基于遗传优化与深度学习的交通信号灯检测

交通信号灯检测是先进驾驶辅助系统的关键技术之一,也是无人驾驶车辆车载环境感知的重要研究方向。本文中针对通用物体检测算法不适合信号灯这类小物体的检测和缺乏实时滑动窗口检测算法的问题,提出了一种交通信号灯检测方法,包括基于遗传优化的交通信号灯候选区域生成方法,和基于深度神经网络的信号灯定位与分类方法。其中,作为本文中研究重点的候选区域生成方法又分3部分:信号灯共用特征区域提取、基于重要性采样的信号灯候选区域参数采样和基于遗传算法的信号灯候选区域参数优化。与现有的信号灯检测方法相比,本文中所提出的方法可对横竖排的红色、绿色和圆形、箭头形信号灯进行有效检测和分类。在公开的交通信号灯数据库的对比实验表明,该方法对交通信号灯的召回率高,且能有效区分不同类别的信号灯。