董 娜，刘欣宇，吴爱国



基于人工蜂群的新型圆形交通标志识别算法

董 娜，刘欣宇，吴爱国

(天津大学电气自动化与信息工程学院，天津 300072)

道路交通标志检测是智能交通系统的重要组成部分，精确快速识别圆形交通标志对保障交通安全有非常关键的作用．本文将子种群概念引入人工蜂群(artificial bee colony，ABC)算法中，提出了一种基于子种群多峰值优化算法(species-based artificial bee colony，SABC)应用于圆形交通标志的检测．SABC的关键在于多个子种群按照人工蜂群算法同时搜索多个最优解．作为比较，引入了基于子种群的遗传算法(species-based genetic algorithm，SGA)和基于子种群的粒子群优化算法(species-based particle swarm optimization，SPSO)．5个多峰值函数用于验证3种算法的多峰值优化性能，其结果证明SABC具有更高的准确性和更快的运行速度，成功率为100%，精度均低于10-4，运行时间均在0.3s以内．然后，将多圆检测视为多峰值优化问题，并将SABC应用于多圆检测，设计了完整的检测算法．最后，在德国交通标志数据集(German traffic sign recognition benchmarks，GTSRB)的圆形交通标志上测试所提出的圆形检测算法．实验结果表明，所提算法能够以良好的性能定位圆形交通标志．

人工蜂群算法；多峰值优化；子种群；圆形检测；交通标志检测

近年来，随着社会和经济的发展汽车数量不断增加，交通事故的发生频率也越来越高．驾驶安全和舒适便利已经变得越来越重要，驾驶辅助系统(DAS)吸引越来越多计算机视觉和智能交通研究人员的关注．交通标志的自动检测是DAS的关键组成部分．但是，由于许多因素可能会降低检测系统性能……