常飞翔 刘元盛 李中道 路铭 张军

（北京联合大学，北京市信息服务工程重点实验室，北京 100101）

主题词：红绿灯识别 YOLOv3 TX2平台 锚框 模型压缩

1 前言

利用图像处理技术对红绿灯进行实时检测是无人驾驶技术的研究热点。目前，该检测方法分为2 类，即基于模型的方法和基于学习的方法。对于前者，已经开展了大量的研究工作并提出了许多方法：Chen等[1]利用色彩空间HSI（Horizontal Situation Indicator）和方向梯度直方图（Histogram of Oriented Gradients，HOG）特征对红绿灯进行检测；Shi等[2]采用背景抑制算法和颜色直方图信息对红绿灯进行检测；Tran 等[3]采用基于颜色密度的识别算法完成红绿灯目标检测；Haltako等[4]采用语义分割以及颜色特征分类器完成红绿灯目标分类；宋永超等[5]提出了一种基于色度方向角的离线红绿灯检测算法。

随着人工智能技术的不断进步，基于学习的方法也被应用到了红绿灯检测中：Wang等[6]采用双通道机制和深度神经网络完成了红绿灯检测；V.John等[7]提出了一种结合显著图的深度学习红绿灯检测方法。

使用基于模型的检测方法在复杂背景下存在抗干扰性差、精度低等缺点，而基于学习的方法中使用例如快速区域卷积神经网络[8]两阶段网络结构的学习方法实现的目标检测算法存在实时性差等问题。为解决以上问题，以单阶段网络结构为特点的YOLOv3[9]目标检测算法在精度和速度方面做了很好的平衡。但在园区无人驾驶场景应用中，由于车载电脑小型化，以及园区红绿灯位置不确定性及其样式非标准性，常规YOLOv3算法将面临模型加载时间长、检测速度慢以及准确率低的问题。……