● 摘要
无人驾驶车辆作为智能交通体系构建方案中的重要组成部分，其在提高交通系统便利、快捷和智能方面的前景之广阔不言而喻。因此，近年来，无人驾驶车辆的研究在国内外引起了广泛关注。交通信号灯与交通标志的自动检测与识别对于无人驾驶车辆自主感知城市交通环境至关重要。因此，为无人驾驶车辆研制一个鲁棒实时的交通信号灯与交通标志检测识别系统具有重要实际应用价值。
交通信号灯与交通标志检测识别系统主要包括检测和识别两个过程。其中检测过程为在交通场景中准确定位出交通信号灯和交通标志在图像中的位置。相较于检测，识别过程比较复杂。对交通信号灯而言，主要完成其颜色状态信息（红、绿）和方向信息（直行、左转弯、右转弯）的分类。对交通标志而言，主要完成常见重要标志的分类，给出其代表的含义。基于此任务，本文进行了以下两个方面的研究：
（1）对于交通信号灯的检测与识别，本文提出了一种鲁棒、实时的基于多层梯度方向直方图特征（Multi-layer Histogram of Oriented Gradients , MHOG）的检测和识别算法。该算法首先学习出归一化的RGB和HSI联合颜色空间滤波器用于交通信号灯发光单元的筛选和颜色状态信息的确认，接着在经过连通域分析的候选区域上提取MHOG用于实现交通信号灯的检测，最后在检测基础上提取交通信号灯发光单元的梯度方向直方图（Histogram of Oriented Gradients， HOG），并利用线性支持向量机（Support Vector Machine，SVM）完成最后的交通信号灯方向信息的分类任务。
（2）对于交通标志的检测与识别，本文提出了将ImageNet上的深度卷积神经网络（Deep Convolutional Neural NetWorks, DCNN）与SVM相结合的检测识别方法。该框架首先基于直线分割检测算子（Line Segment Detector, LSD）和椭圆与直线分割检测算子（Ellipse and Line Segment Detector，ELSD）提取交通标志候选区域，然后在候选区域上提取DCNN特征，再结合线性SVM层级完成交通标志的检测和识别。