马 宇，张丽果，杜慧敏，毛智礼

西安邮电大学 电子工程学院，西安710121

+通信作者E-mail:2395829744@qq.com

道路标志是重要的交通安全设施，可以向驾驶员、行人等传递准确的信息，指示有关情况，提出交通要求，公布交通规定等。然而，许多驾驶员可能因为各种原因并未及时留意到道路标志信息而导致道路交通事故。因此，对道路交通标志[1,2]进行语义分割具有极高的研究和应用价值。

交通标志有显著的颜色特征和几何特征，传统的交通标志分割处理主要依据颜色和形状信息。基于颜色分割方法主要是在单独的彩色空间中利用最佳阈值，也有颜色聚类的方法寻找出相应的颜色区域，但是在颜色分量中孤立的分割方法受环境影响较大，也很难判定最佳的阈值[3]。基于形状的分割方法主要是采用Hough 变换或边缘检测的算法来寻找图像中的直线或曲线，再利用交通标志图像的轮廓特点用模板匹配的方法检测分割，这类方法在复杂背景下的应用也受到限制[4]。随后出现了将颜色信息和形状信息综合应用的综合方法，提出了一种针对三角形标志的智能检测方法[5]，利用HSV 颜色空间的H 分量提取标志的颜色信息，再利用神经网络检测三角形的三个顶点，最终实现三角形标志的检测。以上传统的方法对图像特征的提取能力有限，不适用于大规模的交通标志分割。

近年来，深度学习技术在计算机视觉领域的迅速发展为语义分割应用于无人驾驶的道路场景识别提供了技术支持。……