卷积神经网络的难点精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的卷积神经网络的难点主题范文，仅供参考，欢迎阅读并收藏。

第1篇：卷积神经网络的难点范文

关键词：交通标志检测；ITS；TSR；颜色检测；形状检测

中图分类号：TB

文献标识码：A

doi：10.19311/ki.16723198.2017.12.089

1引言

随着经济的发展，汽车出行在为人们带来便利的同时也增加了安全事故的发生。智能交通系统ITS（Intelligent Transportation System）作为一种全新的汽车识别模式，能够缓解交通事故的发生。具体表现在，汽车在行驶过程中，利用车载系统对交通标志进行识别，再反馈给驾驶员，为驾驶提供路况信息，使驾驶员能够对路况做出准确的判断，减少交通意外的发生。另一方面，对于无人驾驶和交通标志的识别，也l挥着重要的维护作用。

近几十年来，交通标志检测与识别受到了诸多学者的关注与研究，ITS在减少安全事故和缓解道路压力方面发挥着重要作用，交通标志识别系统TSR（Traffic Sign Recognition）也应运而生。交通标志识别系统包括很多方面，交通标志检测是其一个子方面，但其重视程度不言而喻，它的应用范围很广，如无人驾驶车辆和驾驶员辅助系统等，在行车过程中，为驾驶员提供实时路况检测。虽然目前在交通标志检测方面取得了一些突破性的进展和一些阶段性的成果，但随着道路环境的多样化和不确定因素，使得检测仍存在诸多困难。总的来说，交通标志检测实用性强，关注度高，在任何时候热度都不会消减，会引发更多的人去深入研究。

2交通标志检测系统组成

交通标志检测包括五部分：图像采集，预处理，颜色分割，形状检测，精准定位。图形的采集尤为重要，对于采集到倾斜的图像，我们需要对其进行矫正处理。对于正常图像，大多数情况我们需要对其做预处理，以消除光照等的影响，然后可以通过交通标志特有的颜色和形状信息对其进行分割处理，以得到待选区域。再根据一些特定的算法对干扰区域进行剔除，从而得到目标区域。对于目前交通标志检测的研究现状，虽然取得了突破性的进展，但各种算法亦有优缺点，面对复杂多变的交通环境很难做出很好的检测，所以有必要对交通标志的检测进行更进一步的讨论和研究。

3国内外研究现状

3.1国外研究现状

早在1987年日本就进行了交通标志的检测与识别，采用了模板匹配的经典算法，其平均识别时间为0.5秒。发到国家也不甘落后，1993年美国针对“停车”的标志研究开发了ADIS系统，采用了颜色聚类的方法对目标进行检测，然而AIDS存在一个明显的缺陷，就是时间不稳定。为了满通标志时间识别的精确性，1994年，戴姆勒-奔驰汽车公司与大学合作开发，最终，一个全新的系统诞生了，其速度之快令人叹服，达到3.2s/幅，交通标志数据库中，有40000多幅图像，其识别准确率为98%。交通标志检测与识别研究进入新千年。越来越多的科研工作者和科研机构加入到交通标志检测与识别中去，使得检测技术有了很大的进步。在2001年Winconsin大学的Liu和Ran基于HIS空间的颜色阈值分割法，结合神经网络进行识别，经过实验显示该系统的准确率为95%。2005年Carethloy实验室和Nick Barnes自动化研究所利用交通标志在图形上的对称性来确定交通标志的质心位置，其建立的交通标志识别系统的准确率为95%。在2009年Muhammad等人运用多个方法进行识别实验得到最好的识别准确率为97%。2011年德国以德国交通标志数据库（GTSRB）为基础举办了交通标志识别大赛（IJCNN2011）。标志着交通标志检测与识别受到了全世界的高度关注，这也促进了交通标志检测与识别的研究进展。Ciresan等人在IJCNN2011大赛上采用深度卷积神经网络（Deep Convolution Neural Network）识别算法得到了比人类识别平均率高的结果。2013年，对于交通标志检测系统，Kim J.B将视觉显著性模型运用到其中，使交通识别的准确性更高。

3.2国内研究现状

与国外相比，在时间上，对于交通检测系统，我国运用的稍微落后。在交通标志检测研究方面，将颜色和形状结合的相关检测方法较为广泛，在识别算法方面，国内一些学者也取得了显著性的成果。在2000年郁梅提出了一种基于颜色的快速检测方法。2004年，根据不变矩特征和BP神经网络，王坤明等人对交通识别系统做了进一步的阐述。2008年，交通识别系统有了进一步的发展，以BP神经网络为基础，宁波大学朱双东教授等人将交通标志的颜色区分成了五种最基本的颜色。2012年朱淑鑫在RGB和HIS空间上进行多阈值分割。2013年，“红色位图”方法被提出，其主要利用在边缘信息的形状检测上，王刚毅希望通过这一方法来提高红色圆形标志区域的检测率。

4交通标志检测算法现状

我国的交通标志主要分为警告、禁止、指示三大类，交通标志颜色主要有红色、蓝色、黑色、黄色和白色五种基本颜色，交通标志的形状有四大类，即三角形、矩阵、八边形和圆形。目前针对道路交通标志检测的算法主要是基于颜色的检测、形状的检测以及颜色和形状相结合的检测，下面我们对常见的检测方法进行简单的概述。

4.1基于色的检测方法

由于交通标志具有很明显的颜色特征，所以很多文献都对这一方法做了讨论和研究。常见的颜色空间有RGB、HSI、Lab、Ycgcr、Ycbcr等。De La Escalear A等人运用RGB阈值的方法将颜色分类。但此方法受光照影响因素较大，为了减少光照等环境因素的影响，Ruta等人提出了RGB空间颜色增强的方法，这种方法可以快速将标志区域检测出来。由于RGB空间亮度和色度的混合在一起的，后来研究者们运用了更符合人类对颜色的视觉理解的HIS、HSV空间。为了使交通标志的检测精度更高，在HIS空间中设定阈值这个方法被提出了，事实上，一个交通标志可以由几种颜色构成，因此，S.LafuenteCArroyo等人希望通过这种方法对于不同颜色的交通标志都能检测出来。但HIS颜色空间聚类效果不好，因此，为了更好的对交通标志的颜色进行区分，选择聚类效果好的颜色空间至关重要，在此基础上，Jitendra N.Chourasia等人主张使用Ycbcr颜色区间。

4.2基于形状的检测方法

除了利用颜色对交通标志进行检测之外，还可以利用交通标志的形状，这也是其另一个重要的特点。最常用的检测圆形和直线是Hough变换，事实证明，Kuo W J等人通过Hough变换，对交通标志进行检测，效果显著，但由于其计算量大的原因不适用于实时性监测。另一种形状检测法是基于拐角提取算法，Escalera等人提出拐角检测算法，简单来说，就是根据形状的变化所产生的像素点判断能否为拐点，来进行检测，但是，其唯一的缺点是误检率也比较高。Rangarajan等人提出了一种最优拐角检测方法，通过设计好的掩膜与图像做卷积运算后将拐角检测出来，鲁棒性好。

4.3基于颜色和形状的检测方法

既然基于颜色和基于形状的方法都不能得到很好的交通标志检测，于是很多学者将这两种方法结合起来，产生了综合颜色和形状的检测方法。并也取得了一些显著性的成果。M.Zadeh等人利用图像处理的相关知识，先把图像进行颜色分割，再运用形态学的相关方法提取区域边缘，最后对待定区域进行跟踪和几何分析，从而提取得到目标检测区域。但该方法对噪声特别敏感。所以当图像的噪声很强时这种检测方法的效果并不理想。

5交通标志检测与识别难点

尽管近几十年提出了很多新的检测方法，但目前的研究成果还不能够胜任复杂多变的现实场景。交通标志识别系统TSR设计到多个研究领域，包括图像处理、人工智能、模式识别和机器学习等相关领域，因此，关于交通标志识别系统的研究任重而道远，在未来，不管是自然场景下，还是复杂场景下，对于交通识别系统研究，都应重点关注。现阶段交通标志检测与识别主要面临的困难和挑战如下：

（1）环境对交通标志的影响。这主要表现在四季中风雨对交通标志的损坏，这在一定程度上会降低图像的清晰度。交通标志长年暴露在外面，难免会出现变形、污损、褪色等情况，这对检测也造成了困难。

（2）拍摄角度的影响。不同的拍摄角度对检测具有比较大的影响，对倾斜的图像我们需要对其做一个矫正处理。

（3）现场场景环境中有很多干扰物体，使得在分割的时候会把不是标志的物体也分割出来，对我们检测带来了一定程度上的干扰。

（4）交通标志类型复杂，种类多，目前所了解的就有130多种，包括警告标志、指示标志、禁令标志、指路标志等等，给检测大大增加了难度。

（5）实时性改进的问题，由于汽车移动速度快，而且在移动过程中往往在一定程度上有抖动和变速等动作，捕捉到的图像会产生变形模糊，处理时间过长会导致司机反应时间缩短。

（6）准确率有待进一步提升。准确率太低的话不但达不到驾驶辅助作用，反而会引起交通事故发生。

（7）没有公用样本数据。国内目前统一的评判标准和数据库尚未建立起来。

（8）智能交通识别系统服务于大众，因此需要考虑经济成本问题。

综合以上可知，由于在现实场景中以上问题的存在，所以在设计道路交通标志检测与识别算法的时候必须有针对性的解决上诉问题。

6总结

总的来说，交通标志检测与识别系统（TSR）的发展前景非常好，被广泛运用于辅助驾驶系统、无人汽车驾驶和各种道路检测标志的检测修复等领域。本文主要对国内外的研究现状做了一个回顾和分析，许多研究学者也做出了一些阶段性的成果和进展，但由于自然环境下一些复杂多变的因素对检测造成了困难和挑战，因此TSR系统的研究还面临许多难题有待解决。随着人工智能和机器学习等算法的提升，我们坚信未来的道路交通标志检测与识别会迈上一个新的台阶。

参考文献

[1]徐华青，陈瑞南，林锦川等.道路交通标志检测方法研究[J].福州大学学报，2010，（3）：387392.

[2]常发亮，黄翠，刘成云等.基于高斯颜色模型和SVM的交通标志检测[J].仪器仪表学报，2014，35（1）：4349.

[3]Salichs M A.TRAFFIC SIGN DETECTION FOR DRIVER SUPPORT SYSTEMS[C].2001.

[4]Kehtarnavaz N，Griswold N C，Kang D S.Stop-sign recognition based on color/shape processing[J].Machine Vision and Applications，1993，6（4）：206208.

[5]Priese L，Lakmann R，Rehrmann V.Ideogram identification in a realtime traffic sign recognition system[C].Intelligent Vehicles 95 Symposium. Proceedings of the.IEEE，1995：310314.

[6]Liu H，Ran B.Vision-Based Stop Sign Detection and Recognition System for Intelligent Vehicles[J].Transportation Research Record Journal of the Transportation Research Board，2001，1748（1）：161166.

[7]Barnes N，Loy G，Shaw D，et al.Regular polygon detection[C].Tenth IEEE International Conference on Computer Vision.IEEE，2014：778785.

[8]Muhammad A S，Lavesson N，Davidsson P，et al.Analysis of Speed Sign Classification Algorithms Using Shape Based Segmentation of Binary Images[J].Lecture Notes in Computer Science，2009，5702：12201227.

[9]Kim J B.Detection of traffic signs based on eigen-color model and saliency model in driver assistance systems[J].International Journal of Automotive Technology，2013，14（3）：429439.

[10]郁梅，郁伯康.基于彩色D像的指示标志检测[J].计算机工程与应用，2000，36（4）：169172.

[11]王坤明，许忠仁.基于不变矩和神经网络的交通标志识别方法研究[J].计算机应用研究，2004，21（3）：254255.

[12]朱双东，蒋甜甜，刘兰兰.基于颜色规格化的交通标志识别[J].计算机应用与软件，2008，25（1）：220222.

[13]朱淑鑫.基于颜色特征的交通标志图像分割研究[J].考试周刊，2012，（81）：111112.

[14]Wang G，Ren G，Jiang L，et al.Hole-based traffic sign detection method for traffic signs with red rim[J].The Visual Computer，2014，30（5）：539551.

[15]De l E A，Moreno L E，Salichs M A，et al.Road traffic sign detection and classification[J].IEEE Transactions on Industrial Electronics，1997，44（6）：848859.

[16]Ruta A，Li Y，Liu X.Real-time traffic sign recognition from video by class-specific discriminative features[J].Pattern Recognition，2010，43（1）：416430.

[17]Lafuente-Arroyo S，Salcedo-Sanz S，Maldonado-Basc，et al.A decision support system for the automatic management of keep-clear signs based on support vector machines and geographic information systems[J].2010，37（1）：767773.

[18]Chourasia J N，Bajaj P.Centroid Based Detection Algorithm for Hybrid Traffic Sign Recognition System[C].International Conference on Emerging Trends in Engineering and Technology.IEEE，2010：96100.

[19]Kuo W J，Lin C C.Two-Stage Road Sign Detection and Recognition[C].IEEE International Conference on Multimedia and Expo.IEEE Xplore，2007：14271430.

[20]De l E A，Moreno L E，Salichs M A，et al.Road traffic sign detection and classification[J].IEEE Transactions on Industrial Electronics，1997，44（6）：848859.

第2篇：卷积神经网络的难点范文

关键词：视频联动；港航船闸；控制联动；越线报警

船闸工程项目由很多系统组成，主要包括有计算机监控系统、视频监视系统、越线报警系统、网络广播系统、供配电系统和船闸收费系统等。目前已建大部分系统都是分开独立管理，由于系统较多，分散会给运行管理带来不便、尤其对船闸安全运行带来极大不利，只有将各个子系统进行融合统一、联合工作才能提高工作效率、为船闸安全可靠运行提供了保障。

一、船闸视频与控制智能联动装置

随着监控技术的发展和船闸自身安全管理的需要，船闸每个闸首都安装了十几个乃至数十个监控摄像头，目前船闸通过多个宫格的方式将多个摄像头的画面显示在电脑或者大屏幕同一监视器上，供船闸运行调度人员监控船闸运行情况。然而，在船闸的实际运行过程中，船闸运行调度人员需要根据船闸运行的八个步骤，在某一时间段内重点关注部分宫格的视频画面，面对多角度多画面的监视器，工作人员很难在短时间内找到需要重点关注的画面且持续关注一段时间，频繁切换更是容易导致视觉疲劳。船闸集中控制模式下，操作人员既要按照船闸操作工艺流程开关闸门阀门，又要调用不同视频图像确认其操作安全性，两者之间频繁切换，十分繁琐，容易产生误操作，效率较低。目前大部分船闸使用的视频与控制联动系统采用的旧版方案，只能在现地机房现地进行查看，需要靠人工干预操作，且使用过程中存在卡顿现象，效果不好。针对上述船闸在船舶过闸靠泊方面主要存在的问题，迫切需要通过船闸视频与控制联动改造工程来解决。船闸视频与控制智能联动装置集控，通过采集航道交通控制系统的运行控制指令自动调用运行区域的相关摄像机视频监控信号，可使在集控中心使运行人员迅速观察到运行设备及运行现场的视频，以最快的速度了解现场的运行情况，及时确保通航系统的设备安全可靠，船舶顺利过闸。为保证网络安全性，将控制系统与视频系统在网络层面完全隔离，联动装置直接读取PLC的信号，不再与控制系统交换机连接。将视频系统与控制系统在网络上硬隔离。同时，为保证今后船闸控制系统/视频系统调整时，尽量减少视频与控制系统联动设备的调整工作量，要求联动装置配置文件，设置操作界面，直接设置IP等参数，操作更简单、易懂，维护更方便。

（一）智能联动装置主要功能

在船闸控制中心配置一套视频与控制智能联动装置，用于放闸运行人员对现场运行设备进行监控。通过将视频系统的数据和控制系统的数据进行实时联动，满足在船闸运行全过程中对不同的重点区域的重点查看的需要。其主要用来连接控制系统与视频系统，通过将控制系统中获取的关键运行数据，经过分析决策后提供给视频系统使用，从而使视频系统侧的软件发挥作用，起到了桥梁的作用。1.计算机监控系统对被监视设备进行操作时，视频监视系统摄像机能自动转向并显示画面，并能对重要部位设置实时监视功能，以判断设备运转是否正常、了解现场动态。系统主要能实现两点功能。一是在船闸运行的特定步骤筛选重要视频画面并放大显示，二是在船闸运行到下一个步骤时，重点画面能够自动进行切换。2.视频监视系统具有与自动报警联动功能，能依据计算机监控系统中重要设备的事故故障信号等有关报警信息，自动推出事故区域关联摄像机的全屏报警画面。

（二）智能联动装置实现方式

智能联动装置获取设备运行状态通过独立的装置处理器，能够通过网络modbus协议、opc协议等其他协议进行互相通信，共享船闸控制系统内监控系统内的操作数据，而不影响船闸的正常运行。通过分析总线数据包和预设的参数，处理器智能的识别当前操作进展的情况，并透过TCP/IP协议与监控终端通信，进行相应动作。视频与控制联动系统终端软件根据预先与船闸相关人员的沟通，确定船闸的监控重点和顺序。可以在收到联动设备发出的动作信号后，切换视频，控制监控区域放大显示等操作，避免了人工干预，提高监控效率。软件同时接收船闸上的多路监控视频流，压缩后以宫格的形式显示在界面右侧，操作人员同样可以方便的操作该软件，自主切换、放大任意一路监控视频，有效提高监控设备的使用效率。

（三）智能联动装置系统主要功能

船只在进闸过程中需要关注的要点画面一般由2-3个视频画面组成，需要对闸门附近船闸运行状态进行监视，且每个画面均以文字形式告知管理人员注意的内容，并且提示下一步船闸动作，闸室外船只全部进入完毕后，即船只全部进闸后，操作人员进行通过视频监视确认无误后，远程操作闸门，使闸门开始关闭，此时重点画面立刻切换成了新的需要关注的区域图像。智能联动装置系统主要功能包括：1.视频与控制智能联动软件是基于多任务、多平台、实时性好、开放性好的集成软件包。标准画面和用户组态画面均为汉化系统。2.显示功能：可根据需要自定义视频监控画面，包括监控画面的大小，监控画面的对象，视频监控的画面分割等，如根据现场开关闸门的控制信号或事故故障信号自动切换至预先设定好的切换画面，画面既可以为全屏显示，也可以为四分屏、五分屏等任意分屏设置画面且软件正常运行过程中CPU占用率不超过50%。画面自动推送与切换过程中响应速度不超过1秒。3.通讯功能：视频与控制智能联动软件内嵌了多家PLC产品的多种硬件驱动程序，可以与多家PLC产品进行通讯，读取PLC的相关信号。同时视频与控制智能联动软件也可与海康等品牌的摄像机进行通讯，调取现场的摄像机视频信号。4.安全功能：通过用户认证系统，可防止外来的非法用户接入，对内网用户进行统一的用户账户管理、行为管理的等一系列安全措施，保障网络安全可靠的运行；系统分别设定操作员和系统管理员的权限。在运行环境下，可屏蔽操作系统中所有热键，从而锁定系统自由进出。系统受电后自动恢复运行状态。操作员级别的用户只能对系统进行监视，而系统管理员可退出系统并对软件内的相关参数进行重新设定。5.自恢复功能：现场视频信号丢失再恢复后，监视画面上的视频信号可自动进行恢复，无需人为干预。

二、船闸越线报警系统

船闸作为重要的水运通航设施，保障其安全运行尤为重要。在闸室靠近闸门的位置附近应有一条安全警戒线。船只越过安全警戒线可能对船闸运行工况产生安全隐患，尤其离闸门越近、发生不安全事件可能性越大。在船闸实际运行过程中，存在以下3方面问题，即目前船闸安全警戒线大多仅仅依靠界限灯和标识线，船舶在运行中无法有效识别；船舶距离闸门过近，在水流波动较大时容易出现碰撞闸门的情况；船舶重载下行，在泄水时会出现搁浅闸台的情况。其中，为了避免泄水时因船舶在闸台违规停留导致船舶倾翻事故发生，需要在危险时间内对船舶的违规停留行为进行检测、防止船舶故意长时间停留。另一方面，由于船闸运行过程中，水位差变动大，且部分船舶外轮廓高度超限.极易造成船舶高度超限部位与船闸设施发生碰擦，既造成了船闸设施的损坏，也容易造成安全事故，因此项目同时考虑对船舶超高情况进行检测和报警、提前对船舶运行要求进行提醒。

（一）越线检测难点

1.当前主要越线检测还是人工巡视。人工巡视存在易疲劳，物理标识不易看清，精确度不高，效率低等缺点。2.而采用电气控制手段自动检测难点主要有：复杂天气影响：闸室环境是室外露天的非标准工况，受四季天气情况影响，如雨、雾、雪等因素干扰检测仪表仪器；随机干扰源多：如飞鸟、水面漂浮物、波浪等反射，其中飞鸟、漂浮物等具有随机、不重复的特点；水位实时变化：在调度过程中，船舶高度会随着水位变化而变化，检测部位要随水位变动而变动。

（二）船闸越线报警系统原理

为克服检测难点，设计采用激光和视频结合的检测手段检测船舶越线。激光检测通过二维激光扫描、接收，依据空间距离，对闸台上违停的船舶进行检测报警。视频检测通过视频分析技术，对划定区域内的船舶进行智能识别，并实时报警。两种检测方式特点为：激光检测精度高，抗干扰能力强，能应对各种复杂天气；视频检测正常情况下精度高，但易受天气影响。二者结合，可增加系统可靠性，准确判别船舶是否越线，为船闸管理人员提供操作依据和前提条件。将闸室区域分为正常区域、安全警戒线、缓冲区域与危险区域。其中，安全警戒线为缓冲区域前方设定的警戒线，利用激光扫描仪，实时检测船舶越线行为，为防撞系统提供智能预警功能；缓冲区域为危险区域前方设定的虚拟区域，为违规闯入船舶的管理提供缓冲时间；危险区域为闸门附近设定的虚拟区域，如闸台位置、闸门位置，在危险时间窗口内，该区域禁止船舶进入。采用“激光越线检测+视频辅助验证分析”的复合检测方式，完成对潜在船舶危险行为的智能预警。首先，通过激光扫描仪，对越过安全警戒线的船舶进行检测，为闸室防撞系统提供智能预警，充分保障闸室安全稳定运行。其次，将控制系统与防撞报警装置进行联动，对目标船舶进行重点监控。当激光扫描仪检测到有船舶越过警戒线，监控中心与闸室警戒灯将自动报警，并通过广播、显示屏信息等方式，提醒该船只立刻停船。同时，监控中心会向闸口值班员发出警戒信息，值班员利用缓冲区域提供的时间现场指挥该船只停船，并自动调用监控摄像机进行拍摄取证。基于红外功能的视频辅助分析与联动确认，利用基于卷积神经网络算法，对视频监控抓拍的船舶图片进行特征智能识别，为船闸防撞提供辅助预警功能。当闸室出现警情时，防撞预警系统与视频监控系统实施联动，监控中心能够自动将警情区域的监控画面切换至大屏主画面，以便进行最后的警情确认。对于异常状况，视频可以自动保存、自动播放。

三、总结

视频联动在港航船闸得到试点创新应用，船闸视频监视系统和计算机监控系统两个系统之间通过数据指令的交互，实现了闸门运行监视和闸门视频同时在大屏上监视、方便了操作人员监视、提高了系统运行安全性、可靠性。船闸越线报警系统将闸室区域分为正常区域、安全警戒线、缓冲区域与危险区域，闸室防撞系统提供智能预警，充分保障闸室安全稳定运行。将控制系统与防撞报警装置进行联动，对目标船舶进行重点监控。船闸越线报警系统为船闸管理人员提供操作依据和前提条件。

参考文献：

[1]彭湖.视频监控与消防的联动方法探究[J].城市建设理论研究(电子版)[山东工业技术，2020.

[2]张荣森.浅谈智能化视频联动微机五防系统方案[J].科技创新导报，2016.