文档介绍：学号：S15040526

硕士学位(毕业)论文
基于深度学****的交通信号灯检测与识别方法研究
研究生姓名：崔灿
类别、领域：电子与通信工程
二〇一八年四月
分类号： TP391 密级：可公开
U D C：编号：

基于深度学****的交通信号灯检测与识别方法研
究
Traffic Lights Detection and Recognition Based on Deep Learning

学位授予单位及代码：长春理工大学（10186）
学科专业名称及代码：电子与通信工程（085208）
研究方向：复杂电子信息处理技术申请学位级别：工程硕士
指导教师：王晓曼教授景文博副教授研究生：崔灿
论文起止时间：—
摘要
交通信号灯是保障交通道路安全的重要设施之一，能够有效指导车辆正确通行。
检测与识别技术能够辅助驾驶者正确判读交通信号灯，减少交通事故发生，并为无人
驾驶提供安全保障。传统图像处理方法对图像质量要求较高，机器学****方法需要人工
提取特征，而目前深度学****目标检测算法计算量庞大难以保障实时性。针对上述方法
的不足，本文提出一种基于深度学****的交通信号灯检测与识别方法，先采用图像处理
方法检测交通信号灯的候选区域，再利用深度学****算法对候选区域进行目标识别。
首先对原始图像进行预处理，设置 ROI 区域减少数据处理范围，并使用形态学去
除图像中部分背景信息，减少冗余信息。为提高颜色分割精度，本文先在 RGB 空间下
进行初步颜色分割，排除部分颜色区域，然后在 HSV 空间中对非零像素进行二次分割。
在进行识别交通信号灯类型时，本文采用了深度学****中常用的卷积神经网络，通过设
计合理的卷积神经网络模型，能够有效提高算法识别精度和实时性。
最后，分别在 *** 交通信号灯数据集和 Lara 交通信号灯数据集下对本文方法性
能进行验证。实验结果表明：本文方法的识别精确率和召回率都较高，能够满足实时
性要求，对于交通信号灯检测与识别具有重要的应用价值。

关键字：交通信号灯，深度学****目标检测，颜色分割，卷积神经网络
I
ABSTRACT
Traffic lights are one of the important facilities to ensure the safety of traffic roads and
can effectively guide the correct passage of vehicles. Detection and recognition technology
can help drivers to correctly interpret traffic lights, reduce the occurrence of traffic accidents,
and provide security for autonomous driving. The traditional