用于高级驾驶辅助系统（ADAS）的摩洛哥交通标志嵌入式实时检测与识别技术

《IEEE Women in Engineering Magazine》：Embedded Real-Time Detection and Recognition of Moroccan Traffic Signs for ADAS Applications

　　

摘要：

交通标志（Traffic Sign, TS）检测是智能汽车应用中驾驶员辅助系统的关键组成部分，因为它能够提高道路安全并帮助预防事故。然而，检测性能可能会受到多种因素的影响，包括部分遮挡的标志、检测置信度的波动、损坏的标志、恶劣的天气条件以及不同的光照环境。此外，在资源受限的嵌入式平台上部署此类系统也面临重大挑战，因为这些平台具有有限的计算能力、内存限制以及严格的实时性要求。为了解决这些问题，本文提出了一种使用YOLOv8在嵌入式平台上实现实时交通标志检测的优化方法。该系统旨在应对边缘设备的限制（如计算资源和功耗有限），同时保持较高的检测性能。针对YOLOv8的不同变体，从准确性和实时处理能力等方面进行了评估。在检测到交通标志类别后，进一步使用卷积神经网络（CNN）模型对标志进行识别，以确定每个标志的具体类型。实验结果显示，最佳检测模型在五个交通标志类别上的平均精度（mAP@0.5）达到了99%，而识别模型的准确率达到了99.54%。此外，在Jetson Orin Nano嵌入式平台上运行的检测模型实现了大约92帧每秒（FPS）的处理速度，这适用于高级驾驶员辅助系统（ADAS）和智能交通应用。