机器视觉应用技术30交通标志识别.docxVIP

一、实验目的

1.了解基于深度学习的交通标志识别技术。

2.掌握交通标志识别模型的算法开发。

3.掌握AiCam框架的部署和使用。

二、实验内容

1.算法原理

1.1基本描述

随着辅助及无人驾驶的兴起，交通环境感知越发重要，道路交通标志识别是交通环境感知的重要研究内容。随着计算机视觉技术的成熟以及在交通领域的广泛应用，利用目标识别技术为辅助及无人驾驶提供交通标志位置、类别等信息，有利于交通智能化发展和交通标志信息化管理。

1.2模型描述

本实验采用的是Yolov3模型实现交通标志的识别，Yolov3是在计算机视觉领域应用的非常广泛的一个深度学习的模型，在目标检测、物体识别等任务中表现也非常出色。

Yolov3模型一共包含107层，0-74层为卷积层和res层，其目的是提取图片的上层特征，

层是三个yolo分支，使得模型具备检测、分类和回归的功能。由此可见Yolov3模型结构相对来时还是比较复杂。为了兼顾Yolov3在目标检测、物体识别的速度劣势，Yolov3-tiny是在yolov3模型基础上的一个简化，其作用就是为了兼顾准确率的同时适应训练、推理速度要求比较高的业务场景。Yolov3-tiny就是在Yolov3的基础上去掉了一些特征层，只保留了2个独立预测分支。

以下是Yolov3模型结构示意图

2.功能设计

2.1功能描述

AiCam人工智能轻量化应用框架是一款面向于人工智能边缘应用的开发框架，采用统一模型调用、统一硬件接口、统一算法封装和统一应用模板的设计模式，实现了嵌入式边缘计算环境下进行快速的应用开发和项目实施。

AiCam为模型算法的调用提供RESTful调用接口，实时返回分析的视频结果和数据，同时通过物联网云平台的应用接口，实现与硬件的连接和互动，最终形成各色智联网产业应用。

AiCam框架如下图所示：

三、实验步骤

1.工程部署

1.1硬件部署

1）准备人工智能边缘应用平台，给边缘计算网关正确连接Wi-Fi天线、摄像头、电源。

2）按下电源开关上电启动边缘计算网关，将启动ubuntu操作系统。

3）系统启动后，连接局域网内的Wi-Fi网络，记录边缘计算网关的IP地址，比如：192.168.100.200。

1.2工程部署

1）运行MobaXterm工具，通过SSH登录到边缘计算网关（参考附录2）。

2）在SSH终端创建实验工作目录：

$mkdir-p~/aicam-exp

3）通过SSH将本实验工程代码和aicam工程包（DISK-AILab\02-软件资料\02-综合应用\aicam.zip）

上传到~/aicam-exp目录下（文件的上传参考附录2）。

4）在SSH终端输入以下命令解压缩实验工程：

2.工程运行

1）在SSH终端输入以下命令运行实验工程：

3.交通标志识别

1）点击应用左侧的菜单选择“交通标志”，应用将会在返回的视频流画面中检测并识别交通标志。

2）将实验提供的样图放置在摄像头视窗内，算法将会对视频中的交通标志样图进行识别并标注，在实验结果处，会显示交通标志的信息。