一种自动驾驶场景中小且密集的交通标志检测方法技术

本发明专利技术公开了一种自动驾驶场景中小且密集的交通标志检测方法，包括以下步骤：(1)采集车辆行车记录仪拍摄的视频数据，从中提取图片，对图片中的交通标志进行标注，形成由<图像，目标框>对构成的交通标志数据集；(2)数据预处理，对所述交通标志数据集进行预处理；(3)使用浅层网络VGG16作为R‑FCN物体检测框架的主体网络；(4)改进VGG16网络模型，采用浅层特征，缩小特征图下降倍数，训练RPN网络提取候选框；(5)改进VGG16网络模型，将浅层同组特征进行特征组合，输入到R‑FCN后续的检测框架中，对候选框进行分类和边框回归，最终检测到图片中的所有交通标志。本发明专利技术很好地解决了自动驾驶场景中交通标志的检测问题。

An automatic driving scene small and dense traffic sign detection method

The invention discloses a traffic sign automatic driving scene of small and dense detection method, which comprises the following steps: (1) video data acquisition vehicle tachograph shooting, extracted from the picture, the picture of the traffic signs mark formed by < image, the target frame; > a set of traffic signs data; (2) data preprocessing, the traffic sign data set preprocessing; (3) the use of shallow network VGG16 as R FCN object detection framework of the main network; (4) improved VGG16 network model, the characteristics of shallow, narrow down the feature map multiple RPN neural network to extract candidate frame (5); improved VGG16 neural network model, the same group of shallow features, input to the R FCN detection framework in the follow-up, the classification and regression of the candidate frame frame, finally detected in all traffic. Sign. The invention solves the problem of automatic detection of traffic signs in the driving scene.

【技术实现步骤摘要】
一种自动驾驶场景中小且密集的交通标志检测方法
本专利技术涉及特征提取、特征拼层和物体检测
，具体的说，是涉及一种自动驾驶场景中小且密集的交通标志检测方法。
技术介绍
近年来，自动驾驶是人工智能领域的热点研究和应用。在自动驾驶场景中，交通标志的检测和识别对行车周围环境的理解至关重要。精确的检测对后续识别，辅助定位和导航起着决定性的作用。例如，通过交通标志检测识别限速标志来控制当前车辆的速度；将交通标志嵌入到高精度地图中，对定位导航起到关键的辅助作用等。交通标志的种类众多，大小、角度不一，本身就很难做到精确检测，并且在真实的行车环境中，拍摄到的交通标志还存在着很多的问题。例如在场景较为复杂的十字路口，存在着很多密集的交通标志，也可能存在很多颜色、形状与交通标志相似的物体，它们会干扰交通标志的精确检测；交通标志的颜色还会受到光照和天气的影响，白天强烈的光照会影响交通标志的检测，夜晚也会受到路灯、车尾灯光反射的影响；拍摄到的交通标志还会受到建筑物、树木、行人等的遮挡；交通标志长期暴露在自然环境下，经受风吹日晒雨淋，与空气中的污染物质发生化学反应，会使交通标志褪色变形。拍摄的图片中存在大本文档来自技高网...

【技术保护点】
一种自动驾驶场景中小且密集的交通标志检测方法，其特征在于，包括以下步骤：(1)采集车辆行车记录仪拍摄的视频数据，从中提取图片，对图片中的交通标志进行标注，形成由<图像，目标框>对构成的交通标志数据集；(2)数据预处理，对所述交通标志数据集进行预处理；(3)使用浅层网络VGG16作为R‑FCN物体检测框架的主体网络；(4)改进VGG16网络模型，采用浅层特征，缩小特征图下降倍数，训练RPN网络提取候选框(RoI)；(5)改进VGG16网络模型，将浅层同组特征进行特征组合，输入到R‑FCN后续的检测框架中，对候选框进行分类和边框回归，最终检测到图片中的所有交通标志。

【技术特征摘要】
1.一种自动驾驶场景中小且密集的交通标志检测方法，其特征在于，包括以下步骤：(1)采集车辆行车记录仪拍摄的视频数据，从中提取图片，对图片中的交通标志进行标注，形成由<图像，目标框>对构成的交通标志数据集；(2)数据预处理，对所述交通标志数据集进行预处理；(3)使用浅层网络VGG16作为R-FCN物体检测框架的主体网络；(4)改进VGG16网络模型，采用浅层特征，缩小特征图下降倍数，训练RPN网络提取候选框(RoI)；(5)改进VGG16网络模型，将浅层同组特征进行特征组合，输入到R-FCN后续的检测框架中，对候选框进行分类和边框回归，最终检测到图片中的所有交...

【专利技术属性】
技术研发人员：韩亚洪，葛园园，许有疆，赵帅，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12