曹世龙

摘 要：为了提高驾驶的安全性，维护交通秩序，文章应用卷积神经网络（CNN）和抬头显示技术（HUD）提出了一种提醒驾驶员交通标志的系统。首先通过红外摄像头做成的视觉采集器收集车辆周围交通标志牌信息，再传递给训练好的卷积神经网络，通过卷积神经网络进行对捕捉到的图像进行识别并生成提示信息，然后通过抬头显示技术将卷积神经网络生成的提示信息显示到车辆的前挡风玻璃上，从而起到提示驾驶员辅助驾驶的作用。

关键词：卷积神经网络;抬头显示技术;交通标志;辅助驾驶

中图分类号：U471.15  文献标识码：A  文章编号：1671-7988（2020）09-45-02

Design of Traffic Sign Reminder Assisted Driving System Based on CNNand HUD Technology

Cao Shilong

（ College of Mechanical and Electrical Engineering， Hebei Agricultural University， Heibei Baoding 071000 ）

Abstract： In order to improve driving safety and maintain traffic order， this paper proposes a system to remind drivers of traffic signs using convolutional neural networks （CNN） and head-up display technology （HUD）. First collect the information about the traffic signs around the vehicle through a visual collector made by an infrared camera， and then pass it to the trained convolutional neural network. The convolutional neural network will recognize the captured image and generate prompt information. The display technology displays the prompt information generated by the convolutional neural network on the front windshield of the vehicle， so as to prompt the driver to assist the driving.

Keywords： Convolutional neural network; Head-up display technology; Traffic signs; Driver assistance

CLC NO.： U471.15  Document Code： A  Article ID： 1671-7988（2020）09-45-02

1 引言

在当今驾驶员驾车过程中忽略交通标志提醒而扰乱交通秩序甚至发生交通事故的现象时有发生，特别在驾驶员分神、疲劳等状态下对驾驶员进行路旁交通标志的提醒十分必要。随着计算机视觉的发展以及在汽车上的应用，汽车对图像的处理不断进步，应用计算机视觉提醒驾驶员，辅助驾驶员驾驶会起到很好的效果。

2 卷积神经网络

卷积神经网络（Convolutional Neural Networks）是计算机进行图像处理的一种神经网络。它能够对图像、视频、音频等进行识别。因为卷积神经网络进行了池化处理，所以图像发生平移并不影响神经网络对图像信息的识别，因此卷积神经网络也被成为“平移不变人工神经网络”^[1]卷积神经网络通过不断进行卷积、池化操作最终实现对输入图像的准确识别。

2 抬头显示技术

抬头显示技术（Head Up Display）是利用光学反射原理将投影仪上的信息显示在挡风玻璃上，避免了驾驶员在驾车过程中低头看仪表盘的过程，提高了驾驶的安全性^[2]。抬头显示技术现已应用于汽车，辅助驾驶员驾驶，为驾驶员了解车辆信息和路况信息提供了便捷的条件。

3 工作原理分析

车辆在行驶过程中通过安装在后视镜的视觉采集器将车辆前方图像信息传递给卷积神经网络，卷积神经网络把一帧一帧的图像信息进行卷积-池化-全连接处理，识别出交通标志所表示的信息，生成对应的提示信息再利用抬头显示技术将提示信息显示到挡风玻璃上，从而实现对驾驶员的提醒作用。

3.1 信息源获取

本系统采用红外摄像头作为视觉采集器，分别安装在两后视镜处。使汽车能够全面检测到道路两旁的交通标志牌，并且不受恶略天气的影响。采集的数据传递给汽车的神经网络进行下一步对信息的处理。

3.2 信息处理

将视觉采集器采集的图像转化为二维的像素矩阵，通过大量的交通标志图片训练卷积神经网络从而得到合适的卷积核。使用得到的卷积核与采集图像信息转化的二维像素矩阵在Convolution Layers上进行卷积运算。

将卷积运算得到的Feature map在Pooling Layers上进行最大池化处理（max pooling）。经过数次卷积-池化操作处理将最后的Feature map进行全连接处理，从而得到最后的结果。将卷积神经网络得到的交通标志信息进行处理，针对不同的交通标志生成对应的提示信息，并通过显示装置显示出来。最后通过抬头显示技术把提示信息显示到车辆的前挡风玻璃上。当路况信息发生变化，卷积神经网络重新对视觉采集器采集的图像信息进行卷积-池化-全连接处理，得到新的提示信息，并更新前挡风玻璃上提示的信息。通过实时监测道路旁的交通标志并显示到车辆的前挡风玻璃上来实现对驾驶员的提醒作用。

4 结语

本系统應用计算机视觉技术将路况信息及时反应给车辆的驾驶员，对提高驾驶车辆过程中的安全性有一定的作用。随着人工智能的发展越来越多的先进的神经网络将应用到汽车上，实现车辆的智能化。未来的汽车除了满足人类出行的要求外，还将提供给人类更多的娱乐、人机交互、智能化的体验。

参考文献

[1] 徐冰冰，岑科廷，黄俊杰，沈华伟，程学旗.图卷积神经网络综述[J/OL].计算机学报，2019：1-31[2020-02-23].http：//kns.cnki.net/ kcms/detail/11.1826.tp.20191104.1632.006.html.

[2] 储亚婷.基于汽车安全性的抬头显示技术的应用[J].河北农机， 2017（09）：56.