本發(fā)明涉及車輛控制領(lǐng)域，尤其涉及一種基于車載前視單目相機(jī)的交通限速標(biāo)識(shí)檢測(cè)識(shí)別方法。

背景技術(shù)：

限速提示與預(yù)警是adas系統(tǒng)(基于視頻傳感器的行車安全輔助系統(tǒng))的重要組成功能之一。民間有俗語“十次事故九次快”，可見超速是交通事故的主要隱患。及時(shí)有效地向駕駛員通報(bào)道路限速情況，避免駕駛員錯(cuò)看漏看限速標(biāo)識(shí)，能夠有效降低由于車速過快造成的交通事故發(fā)生概率，同時(shí)也不至于行駛過慢而阻礙交通，提高道路通行效率。

目前已有的限速超速提醒系統(tǒng)大多基于地圖信息及gps位置信息，在道路工況較差、地圖數(shù)據(jù)過時(shí)的情況下會(huì)出現(xiàn)限速提示滯后甚至錯(cuò)誤的現(xiàn)象。中國專利文獻(xiàn)cn103020623a公開了一種“交通標(biāo)志檢測(cè)方法和交通標(biāo)志檢測(cè)設(shè)備”，使用hsv色域依靠標(biāo)志牌標(biāo)準(zhǔn)顏色尋找標(biāo)志候選連通域，在標(biāo)志牌輕微破損情況下，并非絕對(duì)標(biāo)準(zhǔn)，環(huán)境順逆光的工況下容易發(fā)生漏檢誤檢現(xiàn)象。中國專利文獻(xiàn)cn103413124a公開了“一種圓形交通標(biāo)志檢測(cè)方法”，利用圓形匹配的方法檢測(cè)交通標(biāo)志牌，在行駛視野里，標(biāo)志牌極易出現(xiàn)形變，包括尺度和形狀的形變，會(huì)引發(fā)漏檢。中國專利文獻(xiàn)cn104657734a公開了“一種道路交通標(biāo)志檢測(cè)方法及裝置”，利用邊沿信息檢測(cè)交通標(biāo)志，在城市道路視野背景復(fù)雜的場(chǎng)景下，容易發(fā)生誤檢現(xiàn)象，對(duì)誤檢目標(biāo)分類會(huì)造成系統(tǒng)進(jìn)行大量無用計(jì)算，影響系統(tǒng)的實(shí)時(shí)性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為了解決上述技術(shù)問題，提供一種基于車載前視單目相機(jī)的交通限速標(biāo)識(shí)檢測(cè)識(shí)別方法，其能就道路限速標(biāo)識(shí)的真實(shí)情況進(jìn)行有效的檢測(cè)、識(shí)別，并告知駕駛員道路限速信息，進(jìn)行提示和報(bào)警，限速檢測(cè)準(zhǔn)確性高，處理速度快，有效提高限速提示及告警的實(shí)時(shí)性和準(zhǔn)確性，有效避免錯(cuò)檢和漏檢，確保駕駛員能更好地對(duì)車輛進(jìn)行操控，有利于車輛的正常、安全行駛。

本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的：本發(fā)明基于車載前視單目相機(jī)的交通限速標(biāo)識(shí)檢測(cè)識(shí)別方法，包括如下步驟：

①在線道路限速標(biāo)識(shí)檢測(cè)：訓(xùn)練構(gòu)建級(jí)聯(lián)弱分類器，在圖像感興趣區(qū)域范圍內(nèi)，提取道路限速標(biāo)識(shí)特征算子，使用級(jí)聯(lián)弱分類器檢測(cè)道路限速標(biāo)識(shí)；

②道路限速標(biāo)識(shí)分類：對(duì)確定為有交通標(biāo)志的圖像區(qū)域，使用超小型的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，采用離線訓(xùn)練限速標(biāo)識(shí)分類算法；

③道路限速標(biāo)識(shí)跟蹤：利用檢測(cè)評(píng)價(jià)指標(biāo)以及目標(biāo)識(shí)別結(jié)果逐幀鎖定目標(biāo)位置；

④發(fā)出限速提示信號(hào)：利用限速標(biāo)志牌在視野中的消失位置，判斷檢測(cè)到的限速標(biāo)識(shí)是否為當(dāng)前道路的限速標(biāo)識(shí)，如果是當(dāng)前道路的限速標(biāo)識(shí)，則發(fā)出限速提示信號(hào)。

本發(fā)明利用車載前視單目相機(jī)檢測(cè)當(dāng)前車輛前方視野得到限速標(biāo)識(shí)(包括限速標(biāo)識(shí)、限低速標(biāo)識(shí)和解除限速標(biāo)識(shí))，并進(jìn)行識(shí)別，利用分類器級(jí)聯(lián)的目標(biāo)檢測(cè)方法確認(rèn)相機(jī)視角圖像感興趣區(qū)域內(nèi)的道路限速標(biāo)識(shí)位置，檢測(cè)評(píng)價(jià)指標(biāo)，逐幀鎖定目標(biāo)，通過深度神經(jīng)網(wǎng)絡(luò)進(jìn)一步確認(rèn)該道路限速標(biāo)識(shí)的種類，最終通過目標(biāo)在視野里的消失位置，判斷是否為當(dāng)前行駛道路限速標(biāo)識(shí)，如果是則上報(bào)相應(yīng)的道路限速提示。本發(fā)明能就道路限速標(biāo)識(shí)的真實(shí)情況進(jìn)行有效的檢測(cè)、識(shí)別，并告知駕駛員道路限速信息，進(jìn)行提示和報(bào)警，限速檢測(cè)準(zhǔn)確性高，處理速度快，有效提高限速提示及告警的實(shí)時(shí)性和準(zhǔn)確性，有效避免錯(cuò)檢和漏檢，確保駕駛員能更好地對(duì)車輛進(jìn)行操控，有利于車輛的正常、安全行駛。

作為優(yōu)選，所述的步驟①中訓(xùn)練構(gòu)建級(jí)聯(lián)弱分類器的訓(xùn)練方法包括如下步驟：

1)預(yù)計(jì)算所有正負(fù)樣本的haar特征v；

2)初始化正負(fù)樣本權(quán)重，使正負(fù)樣本權(quán)重之和分別為0.5；

3)遍歷樣本尋找最優(yōu)分類特征θ，計(jì)算錯(cuò)誤率e；

4)根據(jù)錯(cuò)誤率e計(jì)算弱分類器權(quán)重w，該弱分類器為基于預(yù)先配置的準(zhǔn)確率計(jì)算弱分類器跳出閾值tx；

5)根據(jù)弱分類器分類樣本的情況，更新樣本權(quán)重，其中分類正確的樣本權(quán)重減小，分類錯(cuò)誤的樣本權(quán)重增加，并歸一化權(quán)重；

6)判斷當(dāng)前訓(xùn)練完成的弱分類器級(jí)聯(lián)后的樣本分類情況，如果分類錯(cuò)誤率小于預(yù)先配置的錯(cuò)誤率，則轉(zhuǎn)到步驟7)，否則返回步驟3)繼續(xù)訓(xùn)練；

7)根據(jù)級(jí)聯(lián)弱分類器的分類情況，計(jì)算正樣本打分w1、w2…wn，并從小到大排序，選取通過率為配置準(zhǔn)確率的打分wx，作為級(jí)聯(lián)弱分類器的正樣本閾值t；最終弱分類器為f＝f1(x)+f2(x)+…fn(x)，其中f＞t的樣本分類為正樣本，每計(jì)算一個(gè)弱分類器小于弱分類器跳出閾值tx的樣本分類為負(fù)樣本。

本技術(shù)方案確保道路限速標(biāo)識(shí)檢測(cè)更快速、更準(zhǔn)確。

作為優(yōu)選，所述的步驟②中的離線訓(xùn)練限速標(biāo)識(shí)分類算法為：采用卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分類，使用的訓(xùn)練樣本為灰度樣本，收集等比例的各類交通標(biāo)識(shí)；

訓(xùn)練過程前向傳播采用平方誤差代價(jià)函數(shù)

其中共c類n個(gè)樣本，表示第n個(gè)樣本對(duì)應(yīng)的標(biāo)簽的第k維，表示第n個(gè)樣本對(duì)應(yīng)的第k維網(wǎng)絡(luò)輸出；

反向傳播采用反向遞推法對(duì)softmax損失求最優(yōu)解來優(yōu)化網(wǎng)絡(luò)權(quán)重參數(shù)，直至設(shè)定的循環(huán)迭代次數(shù)完成，softmax損失計(jì)算公式為：

采用的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，由卷積層、稀疏層和池化層依次相連的一組連接另一組依次相連的卷積層、稀疏層和池化層再連接一層全連接層隨后接基于損失函數(shù)的softmax全連接層。收集等比例的各類交通標(biāo)識(shí)，包括不限于限速、解除限速、限低速和非限速等等。樣本較少的種類采用灰度變換、旋轉(zhuǎn)、適當(dāng)擴(kuò)邊和適當(dāng)裁邊等方式擴(kuò)充。本技術(shù)方案能更快速地進(jìn)行道路限速標(biāo)識(shí)分類。

作為優(yōu)選，所述的步驟③為：對(duì)于空系統(tǒng)，直接新增維護(hù)目標(biāo)，編碼id；對(duì)于非空系統(tǒng)，首先計(jì)算目標(biāo)交集占并集的比例iou，對(duì)于iou大于設(shè)定閾值且識(shí)別結(jié)果一致認(rèn)為是同一目標(biāo)，目標(biāo)存活計(jì)時(shí)器計(jì)時(shí)增加，識(shí)別可信度增加；對(duì)于iou小于設(shè)定閾值，且識(shí)別結(jié)果一致的目標(biāo)，計(jì)算其歐式距離，歐式距離大于設(shè)置閾值，同樣認(rèn)為是同一目標(biāo)，統(tǒng)計(jì)相應(yīng)信息；當(dāng)該目標(biāo)iou小于設(shè)定閾值，識(shí)別結(jié)果與存活目標(biāo)不一致，歐式距離大于設(shè)置閾值時(shí)，增加新維護(hù)樣本并編碼id；當(dāng)某id標(biāo)識(shí)識(shí)別置信度較大，則僅檢測(cè)該目標(biāo)并利用iou逐幀定位，直至目標(biāo)消失。對(duì)限速標(biāo)識(shí)進(jìn)行目標(biāo)維護(hù)和多幀識(shí)別。

作為優(yōu)選，所述的基于車載前視單目相機(jī)的交通限速標(biāo)識(shí)檢測(cè)識(shí)別方法包括限速標(biāo)識(shí)檢測(cè)識(shí)別方法：使用sobel算子計(jì)算圖像感興趣區(qū)域內(nèi)的邊沿分布圖，在圖像感興趣區(qū)域中進(jìn)行多尺度滑窗檢測(cè)，統(tǒng)計(jì)窗口映射在邊沿分布圖中的圖像區(qū)域，如果邊沿較少，則該窗口不進(jìn)行類別判斷，滑動(dòng)至下一窗口，如果邊沿較多，則根據(jù)步驟①中級(jí)聯(lián)弱分類器算法判定是否為限速標(biāo)識(shí)，采用步驟③中所描述的跟蹤策略判斷是否為新檢測(cè)目標(biāo)，對(duì)新檢測(cè)目標(biāo)進(jìn)行cnn卷積神經(jīng)網(wǎng)絡(luò)分類，確定目標(biāo)所屬種類及打分，去除不是限速標(biāo)識(shí)的目標(biāo)。

作為優(yōu)選，所述的步驟④為：根據(jù)限速標(biāo)志牌在視野中的消失區(qū)域和消失前的標(biāo)識(shí)尺寸，區(qū)分該標(biāo)識(shí)是位于天空還是道路的左側(cè)或右側(cè)；如果目標(biāo)從畫面中間靠上部分消失，則判定標(biāo)識(shí)為當(dāng)前道路限速標(biāo)識(shí)；如果目標(biāo)從畫面左側(cè)或右側(cè)消失，則將又屬于位于天空的目標(biāo)判定為非當(dāng)前道路限速標(biāo)識(shí)，將又屬于位于非天空的目標(biāo)判斷為當(dāng)前道路限速標(biāo)識(shí)；最后將確認(rèn)為當(dāng)前道路限速標(biāo)識(shí)的信息編碼為can總線消息，上報(bào)車機(jī)，限速信息顯示在汽車儀表上，并且通過聲音、指示燈或震動(dòng)形式發(fā)出限速報(bào)警信號(hào)。

限速標(biāo)識(shí)在車載前視單目相機(jī)所捕獲畫面中出現(xiàn)的情況主要分為三種：置于橫桿上位于天空，和置于立桿上位于道路的左側(cè)或者右側(cè)。當(dāng)某id目標(biāo)消失于圖像某區(qū)域時(shí)，首先根據(jù)消失區(qū)域和消失前的標(biāo)識(shí)尺寸，區(qū)分該標(biāo)識(shí)是位于天空還是地面，再進(jìn)行后續(xù)判斷。

本發(fā)明中所有閾值均可配置。

本發(fā)明的有益效果是：能就道路限速標(biāo)識(shí)的真實(shí)情況進(jìn)行有效的檢測(cè)、識(shí)別，并告知駕駛員道路限速信息，進(jìn)行提示和報(bào)警，限速檢測(cè)準(zhǔn)確性高，處理速度快，所占用硬件資源少，有效提高限速提示及告警的實(shí)時(shí)性和準(zhǔn)確性，有效避免錯(cuò)檢和漏檢，確保駕駛員能更好地對(duì)車輛進(jìn)行操控，有利于車輛的正常、安全行駛。

附圖說明

圖1是本發(fā)明的一種算法流程總圖。

圖2是本發(fā)明中車載前視單目相機(jī)檢測(cè)道路限速標(biāo)識(shí)時(shí)圖像感興趣區(qū)域的一種示意圖。

圖3是本發(fā)明中級(jí)聯(lián)弱分類器的一種結(jié)構(gòu)示意圖。

圖4是本發(fā)明中卷積神經(jīng)網(wǎng)絡(luò)的一種結(jié)構(gòu)示意圖。

圖中1.道路，2.固定roi，3.可變r(jià)oi。

具體實(shí)施方式

下面通過實(shí)施例，并結(jié)合附圖，對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步具體的說明。

實(shí)施例：本實(shí)施例的基于車載前視單目相機(jī)的交通限速標(biāo)識(shí)檢測(cè)識(shí)別方法，如圖1所示為總流程圖，車載前視單目相機(jī)的視頻信號(hào)為本系統(tǒng)輸入，道路限速信息為本系統(tǒng)輸出，最終顯示在汽車儀表上。限速標(biāo)識(shí)檢測(cè)及提示功能可通過汽車儀表界面選擇開啟或關(guān)閉。具體方法包括如下步驟：

①檢測(cè)roi圖像感興趣區(qū)域：使用的限速標(biāo)識(shí)檢測(cè)roi如圖2所示，為車載前視單目相機(jī)所拍攝到的圖像，車輛行駛在道路1上，在車載前視單目相機(jī)的roi圖像感興趣區(qū)域范圍內(nèi)，利用②中訓(xùn)練好的檢測(cè)分類器，其中固定roi2為系統(tǒng)固有roi，可變r(jià)oi3為當(dāng)目標(biāo)靠近固定roi邊界時(shí)觸發(fā)計(jì)算，固定roi大小可配置，可變r(jià)oi基于檢測(cè)目標(biāo)尺寸外擴(kuò)，外擴(kuò)尺寸可配置，安裝系統(tǒng)時(shí)可根據(jù)不同的相機(jī)參數(shù)進(jìn)行調(diào)整。

②在線道路限速標(biāo)識(shí)檢測(cè)：訓(xùn)練構(gòu)建級(jí)聯(lián)弱分類器，本實(shí)施例的級(jí)聯(lián)弱分類器結(jié)構(gòu)如圖3所示，在圖像感興趣區(qū)域范圍內(nèi)，提取道路限速標(biāo)識(shí)特征算子，使用級(jí)聯(lián)弱分類器檢測(cè)道路限速標(biāo)識(shí)；

訓(xùn)練構(gòu)建級(jí)聯(lián)弱分類器的訓(xùn)練方法包括如下步驟：

1)預(yù)計(jì)算所有正負(fù)樣本的haar特征v；

2)初始化正負(fù)樣本權(quán)重，使正負(fù)樣本權(quán)重之和分別為0.5；

3)遍歷樣本尋找最優(yōu)分類特征θ，計(jì)算錯(cuò)誤率e；

4)根據(jù)錯(cuò)誤率e計(jì)算弱分類器權(quán)重w，該弱分類器為基于預(yù)先配置的準(zhǔn)確率(本實(shí)施例采用的準(zhǔn)確率為99.5％)計(jì)算弱分類器跳出閾值tx：

5)根據(jù)弱分類器分類樣本的情況，更新樣本權(quán)重，其中分類正確的樣本權(quán)重減小，分類錯(cuò)誤的樣本權(quán)重增加，并歸一化權(quán)重；

6)判斷當(dāng)前訓(xùn)練完成的弱分類器級(jí)聯(lián)后的樣本分類情況，如果分類錯(cuò)誤率小于預(yù)先配置的錯(cuò)誤率(本實(shí)施例采用的錯(cuò)誤率為0.5％)，則轉(zhuǎn)到步驟7)，否則返回步驟3)繼續(xù)訓(xùn)練；

7)根據(jù)級(jí)聯(lián)弱分類器的分類情況，計(jì)算正樣本打分w1、w2…wn，并從小到大排序，選取通過率為配置準(zhǔn)確率(99.5％)的打分wx，作為級(jí)聯(lián)弱分類器的正樣本閾值t；最終弱分類器為f＝f1(x)+f2(x)+…fn(x)，其中f＞t的樣本分類為正樣本，每計(jì)算一個(gè)弱分類器小于弱分類器跳出閾值tx的樣本分類為負(fù)樣本。

最終本實(shí)施例獲取各類限速標(biāo)識(shí)5000張，采用灰度變化、旋轉(zhuǎn)等方法擴(kuò)充至15000張。選用負(fù)樣本20000張，經(jīng)過難例挖掘等策略擴(kuò)充至45000張，以提升分類器的檢測(cè)效果。

③道路限速標(biāo)識(shí)分類：對(duì)確定為有交通標(biāo)志的圖像區(qū)域，使用超小型的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，采用離線訓(xùn)練限速標(biāo)識(shí)分類算法；

離線訓(xùn)練限速標(biāo)識(shí)分類算法為：道路限速標(biāo)識(shí)分類算法，采用如圖4所示的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，由卷積層、稀疏層和池化層依次相連的一組連接另一組依次相連的卷積層、稀疏層和池化層再連接一層全連接層隨后接基于損失函數(shù)的softmax全連接層分類。該分類算法使用的訓(xùn)練樣本為灰度樣本，收集等比例的各類交通標(biāo)識(shí)(包括不限于：限速、解除限速、限低速和非限速)；

訓(xùn)練過程前向傳播采用平方誤差代價(jià)函數(shù)

其中共c類n個(gè)樣本，表示第n個(gè)樣本對(duì)應(yīng)的標(biāo)簽的第k維，表示第n個(gè)樣本對(duì)應(yīng)的第k維網(wǎng)絡(luò)輸出；

反向傳播采用反向遞推(bp)法對(duì)softmax損失求最優(yōu)解來優(yōu)化網(wǎng)絡(luò)權(quán)重參數(shù)，直至設(shè)定的循環(huán)迭代次數(shù)完成，softmax損失計(jì)算公式為：

④限速標(biāo)識(shí)檢測(cè)識(shí)別：使用sobel算子計(jì)算圖像感興趣區(qū)域內(nèi)的邊沿分布圖，在圖像感興趣區(qū)域中進(jìn)行多尺度滑窗檢測(cè)，統(tǒng)計(jì)窗口映射在邊沿分布圖中的圖像區(qū)域，如果邊沿較少，則該窗口不進(jìn)行類別判斷，滑動(dòng)至下一窗口，如果邊沿較多，則根據(jù)步驟②中級(jí)聯(lián)弱分類器算法判定是否為限速標(biāo)識(shí)，采用步驟⑤中所描述的跟蹤策略判斷是否為新檢測(cè)目標(biāo)，對(duì)新檢測(cè)目標(biāo)進(jìn)行cnn卷積神經(jīng)網(wǎng)絡(luò)分類，確定目標(biāo)所屬種類及打分，去除不是限速標(biāo)識(shí)的目標(biāo)。

⑤道路限速標(biāo)識(shí)跟蹤，限速標(biāo)識(shí)目標(biāo)維護(hù)和多幀識(shí)別：利用檢測(cè)評(píng)價(jià)指標(biāo)以及目標(biāo)識(shí)別結(jié)果逐幀鎖定目標(biāo)位置；

對(duì)于空系統(tǒng)，直接新增維護(hù)目標(biāo)，編碼id；

對(duì)于非空系統(tǒng)，首先計(jì)算目標(biāo)交集占并集的比例iou，對(duì)于iou大于設(shè)定閾值(本實(shí)施例默認(rèn)設(shè)置0.5)且識(shí)別結(jié)果一致認(rèn)為是同一目標(biāo)，目標(biāo)存活計(jì)時(shí)器計(jì)時(shí)增加，識(shí)別可信度增加；對(duì)于iou小于設(shè)定閾值，且識(shí)別結(jié)果一致的目標(biāo)，計(jì)算其歐式距離，歐式距離大于設(shè)置閾值(本實(shí)施例默認(rèn)設(shè)置200像素)，同樣認(rèn)為是同一目標(biāo)，統(tǒng)計(jì)相應(yīng)信息；當(dāng)該目標(biāo)iou小于設(shè)定閾值，識(shí)別結(jié)果與存活目標(biāo)不一致，歐式距離大于設(shè)置閾值時(shí)，增加新維護(hù)樣本并編碼id；

當(dāng)某id標(biāo)識(shí)識(shí)別置信度較大，則僅檢測(cè)該目標(biāo)并利用iou逐幀定位，直至目標(biāo)消失。

⑥發(fā)出限速提示信號(hào)：根據(jù)限速標(biāo)志牌在視野中的消失區(qū)域和消失前的標(biāo)識(shí)尺寸，區(qū)分該標(biāo)識(shí)是位于天空還是地面；

如果目標(biāo)從畫面中間靠上部分消失，則判定標(biāo)識(shí)為當(dāng)前道路限速標(biāo)識(shí)；

如果目標(biāo)從畫面左側(cè)或右側(cè)消失，則將又屬于位于天空的目標(biāo)判定為非當(dāng)前道路限速標(biāo)識(shí)，將又屬于位于非天空的目標(biāo)判斷為當(dāng)前道路限速標(biāo)識(shí)；

最后將確認(rèn)為當(dāng)前道路限速標(biāo)識(shí)的信息編碼為can總線消息，上報(bào)車機(jī)，限速信息顯示在汽車儀表上，并且通過聲音、指示燈或震動(dòng)形式發(fā)出限速報(bào)警信號(hào)。

當(dāng)然，限速標(biāo)識(shí)檢測(cè)還可通過使用lbp、hog、acf或icf等特征訓(xùn)練級(jí)聯(lián)弱分類器進(jìn)行檢測(cè)，邊沿信息除soble算子外，還有一階梯度差、二階laplace算子等邊沿檢測(cè)算法。限速標(biāo)識(shí)分類可通過svm、最近鄰等機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)。固定roi與專用roi的尺度可以靈活多變。

本發(fā)明通過級(jí)聯(lián)弱分類器可以更快更準(zhǔn)確地在多尺度下進(jìn)行限速標(biāo)識(shí)檢測(cè)，基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的超小型分類網(wǎng)絡(luò)相對(duì)于其他結(jié)果的網(wǎng)絡(luò)在不影響準(zhǔn)確率的前提下減少了硬件資源的占用，限速信息提示策略區(qū)分了固定roi和靈活的專用roi，減少了系統(tǒng)的硬件資源占用，結(jié)合前視相機(jī)的視野，避免因車輛運(yùn)動(dòng)姿態(tài)造成的錯(cuò)誤提示。本發(fā)明能就道路限速標(biāo)識(shí)的真實(shí)情況進(jìn)行有效的檢測(cè)、識(shí)別，并告知駕駛員道路限速信息，進(jìn)行提示和報(bào)警，限速檢測(cè)準(zhǔn)確性高，處理速度快，所占用硬件資源少，有效提高限速提示及告警的實(shí)時(shí)性和準(zhǔn)確性，有效避免錯(cuò)檢和漏檢，確保駕駛員能更好地對(duì)車輛進(jìn)行操控，有利于車輛的正常、安全行駛。