毛涛

(安徽理工大学计算机科学与工程学院,安徽淮南 232000)

0 引言

交通信号灯在人们的日常生活中扮演着至关重要的角色。交通信号灯的检测往往受到各种因素的影响,比如天气环境因素,采集的图片存在大量噪声以及图片中包含的像素比较少等,都是直接或间接导致交通信号灯检测难的原因。随着自动驾驶以及辅助驾驶技术的出现,对交通信号灯的检测变得愈发重要。

早期对交通信号灯的检测,主要是通过传统的图像处理算法。Yelal M R[1]提出了一种基于颜色的实时交通信号灯追踪监测算法,提高了事故调查的效率,同时减少了因为自动驾驶技术造成的经济损失。另外一种检测算法则需要大量的GPS数据,通过在地图上标记出交通信号灯的准确位置来绘制地图,以此来得到交通信号灯的先验信息。

近些年神经网络的兴起,带动着计算机视觉发展,一些SOTA的目标检测算法不断的被世界各地的学者提出。目标检测算法根据是否提前计算候选区域被分为两类:单阶段算法和双阶段算法。单阶段目标检测算法是在RCNN[2]的基础上,经过数年的发展逐渐走向成熟的一类算法,现阶段用的最多并且精度高的算法是Faster-RCNN[3],它的提出使RCNN系列算法提升到了一个新的高度,大量的基于Faster-RCNN的改进不断的出现。相比于双阶段算法的精确,单阶段的目标检测算法带来的则是速度的提升。以YOLO[4]和SSD[5]为代表的单阶段目标检测算法,逐渐成为计算机视觉的研究热点。……