摘要

公路交通标志识别对道路安全至关重要，本文针对传统方法在复杂场景下的局限性，提出一种基于卷积神经网络的自动识别系统，采用Python与TensorFlow框架构建改进型LeNet-5模型，包含6层卷积层、3层池化层及2层全连接层。预处理阶段通过颜色空间转换、直方图均衡化及尺寸标准化提升图像质量，并引入随机旋转、亮度扰动等数据增强策略。实验使用包含58类标志的12000张图像进行验证，测试准确率达96.2%，较传统支持向量机（SVM）提升17.7%。实际部署后，某高速路段识别正确率提高27%，但雨雾天气下性能降至89%。该系统在复杂场景中具备实用价值，未来可通过多传感器融合增强鲁棒性。

关键词