馮潤澤，江 昆，于偉光，楊殿閣

（清華大學(xué)，汽車安全與節(jié)能國家重點(diǎn)實(shí)驗(yàn)室，北京 100084）

前言

自動(dòng)駕駛技術(shù)被廣泛地認(rèn)為是一種減少交通事故、提高交通效率和舒適性的極具發(fā)展前景的技術(shù)。自動(dòng)駕駛技術(shù)得以實(shí)現(xiàn)的基礎(chǔ)是車輛可以自主地獲取到交通環(huán)境中語義信息，而交通標(biāo)志中包含了豐富的語義信息，其提供的警示、指示和禁止信息可以輔助緩解交通擁堵，降低交通事故發(fā)生率。此外，交通標(biāo)志牌識(shí)別算法也是高級(jí)駕駛員輔助系統(tǒng)（ADAS）的重要子系統(tǒng)之一。正因?yàn)榻煌?biāo)志牌識(shí)別算法如此重要，最早的交通標(biāo)志牌識(shí)別算法可以追溯到1987年，文獻(xiàn)［3］中嘗試構(gòu)建一套交通標(biāo)志牌識(shí)別系統(tǒng)。

交通標(biāo)志牌識(shí)別可以分為交通標(biāo)志牌的檢測(cè)與分類兩個(gè)步驟。傳統(tǒng)交通標(biāo)志牌識(shí)別算法依賴于人工設(shè)計(jì)的特征，一些算法將圖片映射到RGB、HSV、YCbCr和LUV色彩空間利用交通標(biāo)志牌的顏色特征對(duì)其進(jìn)行檢測(cè)，但這些算法易受到光照、天氣和標(biāo)志牌的表面反射率等因素影響，所以還有一些改進(jìn)算法利用霍夫變換、距離變換、遺傳算法或者快速徑向?qū)ΨQ算法等利用交通標(biāo)志牌的形狀特征對(duì)其進(jìn)行檢測(cè)。交通標(biāo)志牌識(shí)別系統(tǒng)檢測(cè)到圖像中的交通標(biāo)志牌后對(duì)交通標(biāo)志牌實(shí)例進(jìn)行分類進(jìn)而得到交通標(biāo)志牌蘊(yùn)含的語義信息。傳統(tǒng)的交通標(biāo)志牌分類算法包括模板匹配算法和支持向量機(jī)算法等。通過近20年的研究，人工設(shè)計(jì)特征對(duì)交通標(biāo)志牌的識(shí)別算法的性能在2010年左右達(dá)到了瓶頸。

在2012年，隨著AlexNet被提出，基于卷積神經(jīng)網(wǎng)絡(luò)的方法被用于交通標(biāo)志牌識(shí)別。之后由于并行計(jì)算硬件高速發(fā)展，許多基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)識(shí)別算法被應(yīng)用在交通標(biāo)志牌識(shí)別領(lǐng)域。根據(jù)算法是否提前生成候選區(qū)域可將算法分為單階段識(shí)別算法，如SSD和YOLO系列算法以及兩階段識(shí)別算法如RCNN、Fast-RCNN和Faster-RCNN。由于單階段識(shí)別算法只需要進(jìn)行一次特征提取便可實(shí)現(xiàn)交通標(biāo)志牌的檢測(cè)與分類，所以其運(yùn)行速度較兩階段算法快，但是精度較低。

對(duì)于自動(dòng)駕駛系統(tǒng)或者高級(jí)駕駛輔助系統(tǒng)而言，越早地識(shí)別出交通標(biāo)志牌的語義信息就能越早地將信息傳遞給決策系統(tǒng)或者駕駛員，所以這就要求交通標(biāo)志牌識(shí)別算法能夠較好得識(shí)別出圖像中微小的交通標(biāo)志牌。YOLO系列算法的實(shí)時(shí)性和泛化性能較好，并且對(duì)于細(xì)粒度實(shí)例的識(shí)別效果好，所以YOLO系列算法非常適用于交通標(biāo)志牌的識(shí)別。但由于車載相機(jī)獲取得到的圖片往往較大，而為了提高識(shí)別速度，識(shí)別算法會(huì)縮小圖片后再輸入到識(shí)別網(wǎng)絡(luò)中。圖片中的交通標(biāo)志牌往往占據(jù)很小的像素區(qū)域，而且道路中的交通標(biāo)志牌種類繁多，包含的語義信息可分為幾十甚至上百種，各類別之間的特征差異不明顯，這都增加了交通標(biāo)志牌分類任務(wù)的難度，而交通標(biāo)志牌的信息隨著圖片的縮小而丟失，導(dǎo)致分類的精度得不到保證，即便是性能優(yōu)異的YOLO系列算法也很難在交通標(biāo)志牌識(shí)別中取得優(yōu)異的精度。

在交通標(biāo)志牌數(shù)據(jù)集方面，因?yàn)榛诰矸e神經(jīng)網(wǎng)絡(luò)的識(shí)別算法需要利用大量的數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，所以很多交通標(biāo)志牌數(shù)據(jù)集相繼被提出（如表1所示）。在交通標(biāo)志牌識(shí)別領(lǐng)域十分流行的GTSDB（German traffic sign detection benchmark）于2013年被公開，其中包含有900張圖片，這些圖片中的1 200個(gè)交通標(biāo)志牌分別標(biāo)注為“指示”、“禁止”和“警示”3類。2016年由清華和騰訊公司聯(lián)合制作的中國交通標(biāo)志牌數(shù)據(jù)集TT100K（Tsinghua-Tencent 100K）包含有10 000張圖片，30 000個(gè)交通標(biāo)志牌分為128類被標(biāo)注，但是因?yàn)槠渲泻芏喾N類的交通標(biāo)志牌樣本數(shù)量太少，所以在文獻(xiàn)［28］中只對(duì)樣本數(shù)目多于100個(gè)的45類交通標(biāo)志牌進(jìn)行了訓(xùn)練。2017年，長沙理工大學(xué)公開了CCTSDB（changsha university of science and technology Chinese traffic sign detection benchmark）數(shù)據(jù)集，其中包含有15 723張圖片，其中包含有21 134個(gè)被分為“指示”、“禁止”和“警示”3類的交通指示牌。

表1 主流交通標(biāo)志牌數(shù)據(jù)集

由于我國的交通標(biāo)志牌不同于任何其他國家，所以基于GTSDB等國外數(shù)據(jù)集的交通標(biāo)志牌識(shí)別算法在我國交通場景下不具備應(yīng)用價(jià)值。對(duì)于自動(dòng)駕駛系統(tǒng)或者高級(jí)駕駛輔助系統(tǒng)而言，不僅需要能夠識(shí)別出交通標(biāo)志牌歸屬的大類（“指示”、“禁止”和“警示”），還需要識(shí)別出其具體的語義信息，因此CCTSDB數(shù)據(jù)集的分類方式并不滿足需求。而在TT100K數(shù)據(jù)集中將限速類、最低限速類和限高類交通標(biāo)志牌枚舉出來（例如，“限高4.5 m”和“限高5 m”被分為兩類），訓(xùn)練出的識(shí)別算法在實(shí)際應(yīng)用中容易遺漏掉沒有被枚舉出來的其他限速類、最低限速類和限高類交通標(biāo)志牌。

另外，由于TT100K中只標(biāo)注了左轉(zhuǎn)、直行等動(dòng)作指示類交通標(biāo)志牌（如圖1（a）所示），而沒有標(biāo)注車道指示類交通標(biāo)志牌（如圖1（b）所示）。因此，在實(shí)際應(yīng)用中會(huì)出現(xiàn)將車道指示類標(biāo)志牌誤識(shí)別為動(dòng)作指示類標(biāo)志的情況。

圖1 標(biāo)志牌

為解決目前國內(nèi)交通標(biāo)志牌數(shù)據(jù)集標(biāo)注分類不清的問題，本文重新制作了中國交通標(biāo)志牌數(shù)據(jù)集并且為了提升交通標(biāo)志牌識(shí)別精度，提出了基于兩階段分類算法的交通標(biāo)志牌識(shí)別算法框架（如圖2所示）。本文提出的算法首先對(duì)YOLO系列單階段目標(biāo)識(shí)別算法進(jìn)行改進(jìn)作為檢測(cè)模塊，用于檢測(cè)圖像中的前景區(qū)域，然后從原始圖片中截取出前景區(qū)域作為大類分類網(wǎng)絡(luò)的輸入將前景分為“禁止”、“指示”和“警告”這3大類，然后再將前景輸入到對(duì)應(yīng)的子類劃分網(wǎng)絡(luò)對(duì)前景進(jìn)行子類劃分。

圖2 算法架構(gòu)

1 改進(jìn)YOLO系列算法

YOLO系列算法是當(dāng)前性能最好的目標(biāo)檢測(cè)算法之一，該算法具備單階段算法的高實(shí)時(shí)性特征，其在Microsoft COCO數(shù)據(jù)集和Pascal VOC數(shù)據(jù)集上的效果都驗(yàn)證了這一點(diǎn)。本文中作為基線算法的YOLO系列算法首先將圖片縮小到608×608像素大小，然后輸入YOLO系列算法的骨干網(wǎng)絡(luò)（YOLOv3算法的骨干網(wǎng)絡(luò)為Darknet-53，YOLOv4和YOLOX算法的骨干網(wǎng)絡(luò)為CSPDarknet-53）中，得到3個(gè)尺寸分別為76×76、38×38和19×19的特征圖。

YOLOv3和YOLOv4算法會(huì)在最小的19×19特征圖（有最大的感受野）上對(duì)每個(gè)網(wǎng)格生成3種尺寸不同的先驗(yàn)框（YOLOv3先驗(yàn)框尺寸為116×90，156×198和373×326像素，YOLOv4先驗(yàn)框尺寸為142×110，192×243和459×401像素），適合檢測(cè)較大的對(duì)象。在中等的38×38特征圖（擁有中等感受野）上對(duì)每個(gè)網(wǎng)格同樣生成3種尺寸的先驗(yàn)框（YOLOv3先驗(yàn)框尺寸為30×61，62×45和59×119像素，YOLOv4先驗(yàn)框尺寸為36×75，76×55和72×146像素），適合檢測(cè)中等大小的對(duì)象。在最大的76×76特征圖（擁有最小的感受野）上還是對(duì)每個(gè)網(wǎng)格生成3種尺寸的先驗(yàn)框（YOLOv3先驗(yàn)框?yàn)?0×13，16×30和33×23像素，YOLOv4先驗(yàn)框尺寸為12×16，19×36和40×28像素），適合檢測(cè)較小的對(duì)象。YOLOv3和YOLOv4算法會(huì)生成預(yù)測(cè)框相較先驗(yàn)框的位置變化以及長寬放縮尺度，而YOLOX算法并不生成先驗(yàn)框，直接生成特征圖網(wǎng)格對(duì)應(yīng)的數(shù)個(gè)預(yù)測(cè)框左上角的坐標(biāo)以及預(yù)測(cè)框長寬。

由于大特征圖的網(wǎng)格（對(duì)應(yīng)小感受野，適合檢測(cè)小目標(biāo)）數(shù)目最多，生成的先驗(yàn)框最多，所以YOLO系列算法有很強(qiáng)的小目標(biāo)的識(shí)別能力，非常適于交通標(biāo)志牌的識(shí)別任務(wù)。

YOLO系列算法的最終輸出為預(yù)測(cè)框的位置、預(yù)測(cè)框內(nèi)為前景的置信度以及前景的分類概率。YOLO系列算法的損失函數(shù)包含3個(gè)部分，分別是預(yù)測(cè)框的回歸誤差、置信度的誤差和類別概率的誤差。YOLO系列算法的損失函數(shù)中的置信度誤差往往使用均方差函數(shù)計(jì)算，類別概率的誤差往往使用交叉熵?fù)p失函數(shù)計(jì)算，而計(jì)算預(yù)測(cè)框的誤差則各有不同，YOLOv3算法使用均方差函數(shù)計(jì)算預(yù)測(cè)框回歸誤差，YOLOv4算法使用CIoU誤差來表示預(yù)測(cè)框誤差，YOLOX算法使用IoU誤差表示預(yù)測(cè)框誤差。

為了使用YOLO系列算法專門檢測(cè)交通標(biāo)志牌前景而不進(jìn)行分類，本文去掉了原損失函數(shù)關(guān)于類別概率的誤差，修改后的損失如下式所示：

圖3 CIoU參數(shù)圖示［30］

通過對(duì)損失函數(shù)的修改，網(wǎng)絡(luò)訓(xùn)練過程中的優(yōu)化目標(biāo)變?yōu)樘嵘A(yù)測(cè)框位置尺寸的準(zhǔn)確度以及提升置信度的預(yù)測(cè)準(zhǔn)確度。一方面，檢測(cè)階段更準(zhǔn)確地對(duì)前景進(jìn)行提取，有助于提升兩個(gè)分類階段對(duì)前景的分類準(zhǔn)確度；另一方面，檢測(cè)階段更準(zhǔn)確地對(duì)預(yù)測(cè)框置信度進(jìn)行估計(jì)，有助于降低識(shí)別算法漏檢率。

2 設(shè)計(jì)兩階段分類模塊

為了提高檢測(cè)算法的速度，當(dāng)前主流算法都是將圖片進(jìn)行縮小后輸入到識(shí)別網(wǎng)絡(luò)中，以此來減少算法的計(jì)算量。但是在交通場景下，交通標(biāo)志牌在圖像中的占比往往較小，而交通標(biāo)志牌各類別之間的特征差異不大，這就使得交通標(biāo)志牌的分類任務(wù)難度較大，如再縮小圖像，也即舍棄部分像素信息，勢(shì)必會(huì)以降低檢測(cè)精度為代價(jià)。因此為了提高對(duì)交通標(biāo)志牌識(shí)別的準(zhǔn)確率，算法從檢測(cè)模塊中獲取前景，然后從原始圖像中截取前景輸入到分類模塊中，這樣便充分利用了圖像中的像素信息。

表2 EfficientNet-B3網(wǎng)絡(luò)結(jié)構(gòu)

表3 EifficientNet-B3與其他模型比較

EfficientNet-B3的網(wǎng)絡(luò)輸入是分辨率為300×300的RGB三色彩通道圖像，首先經(jīng)過一個(gè)大小為3×3的卷積層被處理為移動(dòng)反轉(zhuǎn)瓶頸卷積層（MBConv）需要的輸入維度；然后經(jīng)過27個(gè)卷積核為3×3或5×5的MBConv提取出特征圖。之后，網(wǎng)絡(luò)借鑒全卷積網(wǎng)絡(luò)（FCN）的思路，將特征圖輸入到一個(gè)卷積核為1×1的卷積層中，這可以將任意尺寸的特征圖轉(zhuǎn)換到特定的通道數(shù)；最后通過1個(gè)池化層和1個(gè)全連接層得到輸入圖像屬于各個(gè)種類的概率。訓(xùn)練過程中通過計(jì)算網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與真實(shí)類別的交叉熵?fù)p失函數(shù)作為損失函數(shù)，利用Adam算法優(yōu)化網(wǎng)絡(luò)參數(shù)。

因?yàn)楸疚奶岢龅膬呻A段分類算法采用EfficientNet-B3，在保證分類準(zhǔn)確率的情況下，運(yùn)算量和參數(shù)量都達(dá)到最少，也即在相同硬件條件下，分類速度最快，所以識(shí)別算法可以利用最少的時(shí)間消耗來對(duì)識(shí)別準(zhǔn)確率進(jìn)行提升。

3 數(shù)據(jù)集標(biāo)注

為解決上述數(shù)據(jù)集的問題，本文從CCTSDB和TT100K這兩個(gè)中國交通標(biāo)志牌數(shù)據(jù)集中抽取部分質(zhì)量較好的圖片并重新標(biāo)注，標(biāo)注種類如圖4所示，圖片中的交通標(biāo)志牌實(shí)例的標(biāo)注為中心點(diǎn)坐標(biāo)，寬高所占像素x，y，w，h，實(shí)例所屬大類C（“指示”、“禁止”和“警示”）和小類Sc（“禁止停車”、“最低速度”和“注意火車”等），所以每個(gè)實(shí)例可以用一個(gè)6維數(shù)組[x，y，w，h，C，Sc]表示。本文數(shù)據(jù)集包含18 955張如圖5所示的圖片以及其中的41 028個(gè)交通標(biāo)志牌實(shí)例，數(shù)據(jù)集中包含實(shí)例數(shù)多于100的種類數(shù)目為53個(gè)（表4）。其中，“禁止”大類下有“禁止停車”等48個(gè)子類，“指示”大類下有“最低速度”等39個(gè)子類，“警示”大類下有“注意火車”等47個(gè)子類。

圖4 交通標(biāo)志牌種類

圖5 數(shù)據(jù)集示例

表4 數(shù)據(jù)集比較

本文所構(gòu)建的數(shù)據(jù)集中禁止類實(shí)例占比58%，指示類占比32%，警示類占比10%。另外，由于一些子類樣本數(shù)較少（少于100），無法用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練，故將這些子類歸入“其他”子類，處理后數(shù)據(jù)集中樣本數(shù)多于100的子類數(shù)為53個(gè)。

本文從自動(dòng)駕駛技術(shù)和高級(jí)駕駛輔助技術(shù)的需求出發(fā)，重構(gòu)了中國交通標(biāo)志牌的類別范圍，構(gòu)建得到的數(shù)據(jù)集較已有數(shù)據(jù)集包含的圖片數(shù)目、交通標(biāo)志牌示例數(shù)目和可訓(xùn)練類別（樣本多于100）數(shù)目更多。

4 實(shí)驗(yàn)驗(yàn)證

首先本文將數(shù)據(jù)集中的圖片按照4∶1的比例劃分為訓(xùn)練集和測(cè)試集，訓(xùn)練集用于訓(xùn)練網(wǎng)絡(luò)，測(cè)試集用于測(cè)試最終性能。其次，截取訓(xùn)練集中的交通標(biāo)志牌，將交通標(biāo)志牌實(shí)例劃分為“禁止類”、“指示類”和“警告類”3大類用于訓(xùn)練大類分類網(wǎng)絡(luò)，然后再將各大類交通標(biāo)志牌實(shí)例劃分子類，用于訓(xùn)練3個(gè)子類分類網(wǎng)絡(luò)。

本文對(duì)參數(shù)進(jìn)行如下設(shè)置λ=5，λ=λ=1，并利用一臺(tái)配備有主頻為2.3 GHz的Intel（R）Xeon（R）Gold 5118 CPU和3個(gè)顯存為12 GB的Titan V GPU的服務(wù)器對(duì)YOLOv3、YOLOv4和YOLOX算法進(jìn)行訓(xùn)練作為基線算法，并分別對(duì)YOLOv3、YOLOv4和YOLOX算法進(jìn)行改進(jìn)作為檢測(cè)模塊，結(jié)合分類模塊組成two-stage-YOLOv3算法、two-stage-YOLOv4算法和two-stage-YOLOX算法，最后本文訓(xùn)練了傳統(tǒng)兩階段識(shí)別算法Faster-RCNN與本文提出的兩階段識(shí)別算法進(jìn)行比較。

表5為本文算法和基準(zhǔn)算法和Faster-RCNN的性能比較結(jié)果，其中mAP@0.5是Pascal VOC挑戰(zhàn)賽所采用的評(píng)價(jià)指標(biāo)，是IoU閾值設(shè)為0.5時(shí)各類別平均準(zhǔn)確率（average precision）的均值，通過比較基準(zhǔn)算法與本文算法可以發(fā)現(xiàn)，YOLO系列算法改進(jìn)為twostage-YOLO系列算法后mAP平均提高了8.52%。

本文還比較了算法在工程實(shí)際中的性能。將置信度域值設(shè)為0.5，并根據(jù)Pascal VOC挑戰(zhàn)賽中將與真實(shí)框之間的交并比大于等于0.5的預(yù)測(cè)框視為預(yù)測(cè)正確。將預(yù)測(cè)框與真實(shí)框之間的交并比大于等于0.5且預(yù)測(cè)種類與真實(shí)種類一致時(shí)視為算法識(shí)別準(zhǔn)確，其余視為預(yù)測(cè)錯(cuò)誤來計(jì)算算法對(duì)每種交通標(biāo)志牌的召回率、準(zhǔn)確率和誤檢（檢測(cè)出前景但分類錯(cuò)誤）率，得到的算法性能比較如表5所示。由表可見，YOLO系列算法的誤檢率都在11%以上，這說明YOLO系列算法在檢測(cè)出交通標(biāo)志牌后很容易將其劃分到錯(cuò)誤的類別中，而two-stage-YOLO的誤檢率都在7%以下，平均誤檢率降低了7.42%，這說明本文提出的算法在檢測(cè)出交通標(biāo)志牌前景后的分類準(zhǔn)確率大大提升，這也使得在工程應(yīng)用中，本文提出的two-stage-YOLO系列算法召回率較YOLO系列算法平均提高12.18%，準(zhǔn)確率提高2.70%。在Titan V顯卡上測(cè)試，two-stage-YOLO系列算法的幀率在14幀/s左右，而YOLO系列算法的幀率都在20幀/s以上，本文提出的算法為了提高檢測(cè)精度確實(shí)犧牲了檢測(cè)速度，但是文本算法的檢測(cè)速度要略優(yōu)于同樣是兩階段算法的Faster-RCNN。

表5 本文算法與基線算法以及Faster-RCNN的性能比較

圖6中列舉two-stage-YOLOv3算法在測(cè)試集上的檢測(cè)效果，可以看出本文提出的交通標(biāo)志牌識(shí)別算法框架可以區(qū)分圖4中的車道類標(biāo)志牌和動(dòng)作指示類標(biāo)志牌。Faster-RCNN、YOLOv3以及twostage-YOLOv3的檢測(cè)結(jié)果對(duì)比如圖7所示，圖片中的交通標(biāo)志牌占比較小，F(xiàn)aster-RCNN沒能檢測(cè)出圖片中的交通標(biāo)志牌，而YOLOv3算法檢測(cè)到了交通標(biāo)志牌，但是將真實(shí)的前景的置信度檢測(cè)為較低的0.42并且將“禁止鳴笛”標(biāo)志牌錯(cuò)誤地分類為“其他禁止類”，two-stage-YOLOv3算法成功地識(shí)別出了交通標(biāo)志牌并且將正確的前景的置信度較好地檢測(cè)為0.97（對(duì)于正確的預(yù)測(cè)框，置信度越趨近于1.00越合理）且分類正確。

圖7 檢測(cè)結(jié)果對(duì)比

5 結(jié)論

本文基于中國交通場景特點(diǎn)以及自動(dòng)駕駛系統(tǒng)和高級(jí)駕駛輔助系統(tǒng)對(duì)交通標(biāo)志牌識(shí)別的高準(zhǔn)確率需求，提出了一種基于兩階段分類算法的交通標(biāo)志牌識(shí)別算法。檢測(cè)模塊使用善于小目標(biāo)檢測(cè)的YOLO系列算法對(duì)標(biāo)志牌進(jìn)行檢測(cè)，分類第1階段將檢測(cè)到的標(biāo)志牌實(shí)例進(jìn)行大類分類，分類第2階段對(duì)各大類下的標(biāo)志牌進(jìn)行小類劃分。并針對(duì)當(dāng)前數(shù)據(jù)集在實(shí)際應(yīng)用中存在的問題，制作了一組包含種類更多、圖片數(shù)和實(shí)例數(shù)更多的中國交通標(biāo)志牌數(shù)據(jù)集。本文提出的算法通過細(xì)化分類任務(wù)，獨(dú)立提升各算法模塊的性能，進(jìn)而提高整體算法的識(shí)別精度。本文提出的two-stage-YOLO系列算法較Faster-RCNN的mAP提升40%以上，較基準(zhǔn)YOLO系列算法的mAP提升了8.52%，平均誤檢率降低了7.42%。