交通标志的识别方法、存储介质、处理设备技术

本发明专利技术涉及图像识别领域，具体提出了一种交通标志的识别方法、存储介质、处理设备，旨在解决在同一个模块中完成交通标志的检测和分类的问题。本发明专利技术的交通标志的识别方法在归一化的RGB通道和灰度通道里边提取最大稳定极值区域作为交通标志的候选区域，然后基于预设的交通标识特征条件进行筛选、将所得区域缩放至固定大小以及减去预设的RGB通道的均值获得第四组交通标志候选区域，再将第四组交通标志候选区域输入到交通标志识别网络中提取获取检测结果和分类结果，通过非最大值抑制的算法去除重叠的区域，得到最终的识别结果，即包含交通标志的位置、大小、具体类别、置信度信息。通过本发明专利技术可以同一个模块中完成交通标志的检测和分类。

Identification method, storage medium and processing equipment for traffic signs

The invention relates to the field of image recognition, and proposes a traffic sign recognition method, a storage medium and a processing device, aiming at solving the problem of detecting and classifying traffic signs in the same module. The invention of the traffic sign recognition method to extract the maximally stable extremal region as a candidate region of traffic sign in the RGB channel and the channel inside the gray normalization, and then screened, the mean income area to a fixed size reduction and zoom to the default RGB channel to obtain fourth groups of traffic sign candidate region traffic signs based on the preset conditions. There were fourth traffic sign candidate region input to the traffic sign recognition network extraction to obtain test results and classification results, the non maximal suppression algorithm to remove the overlap region, get the final recognition results, which includes the location, size, specific categories, confidence information of traffic signs. The detection and classification of traffic signs can be completed in the same module through the invention.

【技术实现步骤摘要】
交通标志的识别方法、存储介质、处理设备
本专利技术涉及图像识别领域，具体涉及一种交通标志的识别方法、存储介质、处理设备。
技术介绍
交通标志的识别在辅助驾驶以及无人驾驶系统中有着重要的作用。但是在真实的交通场景中由于遮挡、光照、视角、天气等因素使得利用计算机自动识别交通标志存在很多的困难。从整幅图像中识别其中存在的交通标志一般分为两个步骤，即交通标志的检测和分类。交通标志的检测即从图像中定位到所需检测的标志，具体的信息包括标志的位置和大小；交通标志的分类则是将所检测得到的标志划分到其所属的具体类别。目前对交通标志的识别一般先提取待检测图像中的候选区域然后利用HOG+SVM剔除背景标志完成检测，之后利用CNN进行标志的分类。但是这种方法将检测和分类用不同模块来处理，使用了各种手工设计的特征，训练过程复杂，且手工设计的特征没有针对特定任务优化，交通标志的识别效果不佳，同时检测的结果要考虑精度和召回之间的平衡。因此，如果可以解决在同一个计算机框架里边而不是利用两个单独的模块进行交通标志的检测和分类的问题，将有利于快速准确的识别出交通标志。
技术实现思路
为了解决现有技术中的上述问题，即为了解决本文档来自技高网...

【技术保护点】
一种基于多任务卷积神经网络的交通标志的识别方法，其特征在于，包括：步骤S1，通过对待检测的RGB通道图像的三通道分别进行归一化处理得到新的三通道的图像；同时计算待检测的RGB通道图像对应的灰度图像，该灰度图像结合所述新的三通道的图像共构成四通道的图像；步骤S2，对所得到的四通道图像，通过基于候选区域的物体检测方法进行第一组交通标志候选区域的提取；步骤S3，计算所述第一组交通标志候选区域中各候选区域的最小外接矩形，并将所得到的各最小外接矩形区域作为第二组交通标志候选区域；步骤S4，基于预设的交通标识特征条件，对所述第二组交通标志候选区域进行筛选，获得第三组交通标志候选区域；步骤S5，将所获第三组...

【技术特征摘要】
1.一种基于多任务卷积神经网络的交通标志的识别方法，其特征在于，包括：步骤S1，通过对待检测的RGB通道图像的三通道分别进行归一化处理得到新的三通道的图像；同时计算待检测的RGB通道图像对应的灰度图像，该灰度图像结合所述新的三通道的图像共构成四通道的图像；步骤S2，对所得到的四通道图像，通过基于候选区域的物体检测方法进行第一组交通标志候选区域的提取；步骤S3，计算所述第一组交通标志候选区域中各候选区域的最小外接矩形，并将所得到的各最小外接矩形区域作为第二组交通标志候选区域；步骤S4，基于预设的交通标识特征条件，对所述第二组交通标志候选区域进行筛选，获得第三组交通标志候选区域；步骤S5，将所获第三组交通标志候选区域缩放至固定的大小，并减去预设的RGB通道的均值，获得第四组交通标志候选区域；步骤S6，将所述第四组交通标志候选区域输入预先训练好的交通标志识别网络，输出交通标志区域检测结果和交通标志类别识别结果；其中，所述的交通标志识别网络为多任务的卷积神经网络。2.根据权利要求1所述的交通标志的识别方法，其特征在于，所述交通标志识别网络包括二分类子网络和多分类子网络；所述二分子网络设置于多分类子网络之前；其中，所述二分类子网络用于对所述第四组交通标志候选区域为交通标志区域或背景区域的检测；所述多分类子网络用于对所述二分类子网络检测为交通标志区域的图像进行交通标志类别的识别；其中，所述交通标志类别中其中一类为背景区域类。3.根据权利要求2所述的交通标志的识别方法，其特征在于，所述二分类子网络包括卷积层和池化层；所述多分类子网络包括卷积层、池化层、全连接层。4.根据权利要求3所述的交通标志的识别方法，其特征在于，所述二分类子网络还包括从该网络中的池化层引出的全连接层，用于输出交通标志区域检测结果。5.根据权利要求2所述的交通标志的识别方法，其特征在于，所述交通标志识别网络，其训练优化方法，包括：将训练样本输入所述二分类子网络中，得到第一损失函数；所述训练样本包括交通标志样本和背景样本；如果所述二分类子网络的检测结果为背景区域，则依据预设的第一损失函数对所述二分类子网络的网络参数进行优化；如果所述二分类子网络的检测结果为交通标志区域，则将该区域继续输入所述多分类子网络中，得到第二损失函数；依据预设的第一损失函数和第二损失函数对所述交通...

【专利技术属性】
技术研发人员：罗亨亮，高伟，吴福朝，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11