【技术实现步骤摘要】
路牌语义识别方法及系统
本专利技术涉及计算机
，具体涉及一种路牌语义识别方法及系统。
技术介绍
近年来，人工智能、自然语言识别、机器识别等逐渐成为热点，自动驾驶、智能机器人等行业均逐步实现自动化，其中，深度学习技术便是多种应用中的关键技术。通过深度学习，可以有效地解决图像自动识别的问题。自动驾驶车辆需要对交通标志进行检测和分类，来学习路段的交通规则；然而目前市场中的对交通标志进行检测和分类的技术并不成熟，大部分情况下，都是根据交通标志的类别进行分类，根据交通标志的轮廓、形状以及标志中的部分固定的内容含义，比如说：可以识别出路牌中的箭头、图形，并判断其含义；也就是说，用此种办法只可以识别出部分交通标志的含义。然而，对于目前国内的路牌指示标志，其种类多样复杂，不同地区的指示标志也会略有差异；单从路牌种类多样性的问题来讲，要求能识别每个路牌中每个指示的具体含义，从而能够促进自动驾驶技术的进一步推进，然而，目前市场中，对路牌语义的解析规则并不完整和规范，也因此导致语义识别存在误差，最终影响机器对路牌语义的解析。
技术实现思路
本专利技术的目的在于提供一种路牌语义识别方法...
【技术保护点】
1.一种路牌语义识别方法，其特征在于，包括：步骤S1：对待识别路牌图像进行预处理；步骤S2：获取基于深度学习的OCR识别模型；步骤S3：采用所述基于深度学习的OCR识别模型对经过所述预处理的待识别路牌图像进行识别。
【技术特征摘要】
1.一种路牌语义识别方法，其特征在于，包括：步骤S1：对待识别路牌图像进行预处理；步骤S2：获取基于深度学习的OCR识别模型；步骤S3：采用所述基于深度学习的OCR识别模型对经过所述预处理的待识别路牌图像进行识别。2.根据权利要求1所述的路牌语义识别方法，其特征在于，所述步骤S1包括：对所述待识别路牌图像进行图像分割处理、图像尺寸处理以及图像二值化处理。3.根据权利要求1所述的路牌语义识别方法，其特征在于，所述步骤S2包括：利用卷积神经网络模型得到所述基于深度学习的OCR识别模型。4.根据权利要求3所述的路牌语义识别方法，其特征在于，所述步骤S2包括：步骤S21：构建卷积神经网络模型；步骤S22：获取训练样本集，所述训练样本集包括若干个已标注分类的路牌图像；步骤S23：采用所述训练样本集对所述卷积神经网络模型进行训练，从而得到所述基于深度学习的OCR识别模型。5.一种...
【专利技术属性】
技术研发人员：高三元，王晶，李晓飞，
申请(专利权)人：宽凳北京科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。