用于识别交通标志牌的方法及装置制造方法及图纸

本公开的实施例公开了用于识别交通标志牌的方法及装置。该方法的一具体实施方式包括：按照设定比例将待处理图像进行缩放，得到至少一个缩放待处理图像；对于上述至少一个缩放待处理图像中的缩放待处理图像，将上述缩放待处理图像导入预先训练的交通标志牌位置识别模型，得到对应上述缩放待处理图像中交通标志牌的位置信息，并在上述位置信息对应的图像位置提取特征信息，其中，上述交通标志牌位置识别模型用于通过至少一种位置滑动窗口来识别缩放待处理图像交通标志牌的位置信息；对上述至少一个缩放待处理图像对应的至少一个特征信息进行融合，确定上述待处理图像中交通标志牌的最终位置信息。该实施方式提高了识别交通标志牌的准确性。

Method and Device for Recognition of Traffic Signs

【技术实现步骤摘要】
用于识别交通标志牌的方法及装置
本公开的实施例涉及图像处理
，具体涉及用于识别交通标志牌的方法及装置。
技术介绍
随着智能汽车以及无人驾驶技术的快速发展，交通标志牌检测的识别成为安全行驶的重要组成部分。智能汽车可以获取包含交通标志牌的图像，从图像中识别出交通标志牌，进而根据交通标志牌实现智能汽车的无人驾驶。
技术实现思路
本公开的实施例提出了用于识别交通标志牌的方法及装置。第一方面，本公开的实施例提供了一种用于识别交通标志牌的方法，该方法包括：按照设定比例将待处理图像进行缩放，得到至少一个缩放待处理图像；对于上述至少一个缩放待处理图像中的缩放待处理图像，将上述缩放待处理图像导入预先训练的交通标志牌位置识别模型，得到对应上述缩放待处理图像中交通标志牌的位置信息，并在上述位置信息对应的图像位置提取特征信息，其中，上述交通标志牌位置识别模型用于通过至少一种位置滑动窗口来识别缩放待处理图像交通标志牌的位置信息；对上述至少一个缩放待处理图像对应的至少一个特征信息进行融合，确定上述待处理图像中交通标志牌的最终位置信息。在一些实施例中，上述交通标志牌位置识别模型通过以下步骤训练得到：获取多个样本图像和对应上述多个样本图像中每个样本图像对应的交通标志牌的样本位置信息；将上述多个样本图像的每个样本图像作为输入，将上述多个样本图像中的每个样本图像所对应的上述样本位置信息作为输出，训练得到上述交通标志牌位置识别模型。在一些实施例中，上述将上述多个样本图像的每个样本图像作为输入，将上述多个样本图像中的每个样本图像所对应的上述样本位置信息作为输出，训练得到上述交通标志牌位置识别模型，包括：执行以下训练步骤：将上述多个样本图像中的每个样本图像依次输入至初始交通标志牌位置识别模型，得到上述多个样本图像中的每个样本图像所对应的预测位置信息，将上述多个样本图像中的每个样本图像所对应的预测位置信息与该样本图像所对应的样本位置信息进行比较，得到上述初始交通标志牌位置识别模型的预测准确率，确定上述预测准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始交通标志牌位置识别模型作为训练完成的交通标志牌位置识别模型。在一些实施例中，上述将上述多个样本图像的每个样本图像作为输入，将上述多个样本图像中的每个样本图像所对应的上述样本位置信息作为输出，训练得到上述交通标志牌位置识别模型，包括：响应于不大于上述预设准确率阈值，调整上述初始交通标志牌位置识别模型的参数，并继续执行上述训练步骤。在一些实施例中，上述样本位置信息通过以下步骤获取：通过滑动窗口对上述样本图像进行图像选取，得到交通标志牌选择图像集合；计算上述交通标志牌选择图像集合中交通标志牌选择图像的选择准确度值，其中，上述选择准确度值用于表征交通标志牌选择图像中属于样本图像中交通标志牌的像素与样本图像中交通标志牌的全部像素之间的交集与并集的比值；将选择准确度值大于等于设定阈值的交通标志牌选择图像设置为正样本交通标志牌选择图像；对全部的正样本交通标志牌选择图像进行融合，得到上述样本图像的样本位置信息。在一些实施例中，上述对全部的正样本交通标志牌选择图像进行融合，得到上述样本图像的样本位置信息，包括：对于上述全部的正样本交通标志牌选择图像中的正样本交通标志牌选择图像，通过预设的位置滑动窗口对正样本交通标志牌选择图像中交通标志牌的位置进行特征提取，得到上述正样本交通标志牌选择图像中交通标志牌的初始位置信息，其中，上述位置滑动窗口包括以下至少一项：九宫格滑动窗口、六宫格滑动窗口、四宫格滑动窗口；对上述全部的正样本交通标志牌选择图像对应的全部初始位置信息进行融合，得到上述样本图像的样本位置信息。在一些实施例中，上述特征信息包括以下至少一项：颜色特征信息、形状特征信息、纹理特征信息。以及，上述对上述至少一个缩放待处理图像对应的至少一个特征信息进行融合，确定上述待处理图像中交通标志牌的最终位置信息，包括：对融合后的特征信息进行降维操作，得到降维特征信息；对上述降维特征信息进行拟合，得到上述待处理图像中交通标志牌的最终位置信息。第二方面，本公开的实施例提供了一种用于识别交通标志牌的装置，该装置包括：缩放待处理图像获取单元，被配置成按照设定比例将待处理图像进行缩放，得到至少一个缩放待处理图像；特征信息获取单元，对于上述至少一个缩放待处理图像中的缩放待处理图像，被配置成将上述缩放待处理图像导入预先训练的交通标志牌位置识别模型，得到对应上述缩放待处理图像中交通标志牌的位置信息，并在上述位置信息对应的图像位置提取特征信息，其中，上述交通标志牌位置识别模型用于通过至少一种位置滑动窗口来识别缩放待处理图像交通标志牌的位置信息；交通标志牌位置识别单元，被配置成对上述至少一个缩放待处理图像对应的至少一个特征信息进行融合，确定上述待处理图像中交通标志牌的最终位置信息。在一些实施例中，上述装置包括交通标志牌位置识别模型训练单元，被配置成训练交通标志牌位置识别模型，上述交通标志牌位置识别模型训练单元包括：样本信息获取子单元，被配置成获取多个样本图像和对应上述多个样本图像中每个样本图像对应的交通标志牌的样本位置信息；交通标志牌位置识别模型训练子单元，被配置成将上述多个样本图像的每个样本图像作为输入，将上述多个样本图像中的每个样本图像所对应的上述样本位置信息作为输出，训练得到上述交通标志牌位置识别模型。在一些实施例中，上述交通标志牌位置识别模型训练子单元包括：交通标志牌位置识别模型训练模块，被配置成将上述多个样本图像中的每个样本图像依次输入至初始交通标志牌位置识别模型，得到上述多个样本图像中的每个样本图像所对应的预测位置信息，将上述多个样本图像中的每个样本图像所对应的预测位置信息与该样本图像所对应的样本位置信息进行比较，得到上述初始交通标志牌位置识别模型的预测准确率，确定上述预测准确率是否大于预设准确率阈值，若大于上述预设准确率阈值，则将上述初始交通标志牌位置识别模型作为训练完成的交通标志牌位置识别模型。在一些实施例中，上述交通标志牌位置识别模型训练子单元包括：参数调整模块，响应于不大于上述预设准确率阈值，被配置成调整上述初始交通标志牌位置识别模型的参数，并返回上述交通标志牌位置识别模型训练模块。在一些实施例中，上述装置还包括样本位置信息获取单元，被配置成获取样本位置信息，上述样本位置信息获取单元包括：交通标志牌选择图像集合获取子单元，被配置成通过滑动窗口对上述样本图像进行图像选取，得到交通标志牌选择图像集合；选择准确度值计算子单元，被配置成计算上述交通标志牌选择图像集合中交通标志牌选择图像的选择准确度值，其中，上述选择准确度值用于表征交通标志牌选择图像中属于样本图像中交通标志牌的像素与样本图像中交通标志牌的全部像素之间的交集与并集的比值；正样本选择子单元，被配置成将选择准确度值大于等于设定阈值的交通标志牌选择图像设置为正样本交通标志牌选择图像；样本位置信息获取子单元，被配置成对全部的正样本交通标志牌选择图像进行融合，得到上述样本图像的样本位置信息。在一些实施例中，上述样本位置信息获取子单元包括：特征提取模块，对于上述全部的正样本交通标志牌选择图像中的正样本交通标志牌选择图像，被配置成通过预设的位置滑动窗口本文档来自技高网...

【技术保护点】
1.一种用于识别交通标志牌的方法，包括：按照设定比例将待处理图像进行缩放，得到至少一个缩放待处理图像；对于所述至少一个缩放待处理图像中的缩放待处理图像，将所述缩放待处理图像导入预先训练的交通标志牌位置识别模型，得到对应所述缩放待处理图像中交通标志牌的位置信息，并在所述位置信息对应的图像位置提取特征信息，其中，所述交通标志牌位置识别模型用于通过至少一种位置滑动窗口来识别缩放待处理图像交通标志牌的位置信息；对所述至少一个缩放待处理图像对应的至少一个特征信息进行融合，确定所述待处理图像中交通标志牌的最终位置信息。

【技术特征摘要】
1.一种用于识别交通标志牌的方法，包括：按照设定比例将待处理图像进行缩放，得到至少一个缩放待处理图像；对于所述至少一个缩放待处理图像中的缩放待处理图像，将所述缩放待处理图像导入预先训练的交通标志牌位置识别模型，得到对应所述缩放待处理图像中交通标志牌的位置信息，并在所述位置信息对应的图像位置提取特征信息，其中，所述交通标志牌位置识别模型用于通过至少一种位置滑动窗口来识别缩放待处理图像交通标志牌的位置信息；对所述至少一个缩放待处理图像对应的至少一个特征信息进行融合，确定所述待处理图像中交通标志牌的最终位置信息。2.根据权利要求1所述的方法，其中，所述交通标志牌位置识别模型通过以下步骤训练得到：获取多个样本图像和对应所述多个样本图像中每个样本图像对应的交通标志牌的样本位置信息；将所述多个样本图像的每个样本图像作为输入，将所述多个样本图像中的每个样本图像所对应的所述样本位置信息作为输出，训练得到所述交通标志牌位置识别模型。3.根据权利要求2所述的方法，其中，所述将所述多个样本图像的每个样本图像作为输入，将所述多个样本图像中的每个样本图像所对应的所述样本位置信息作为输出，训练得到所述交通标志牌位置识别模型，包括：执行以下训练步骤：将所述多个样本图像中的每个样本图像依次输入至初始交通标志牌位置识别模型，得到所述多个样本图像中的每个样本图像所对应的预测位置信息，将所述多个样本图像中的每个样本图像所对应的预测位置信息与该样本图像所对应的样本位置信息进行比较，得到所述初始交通标志牌位置识别模型的预测准确率，确定所述预测准确率是否大于预设准确率阈值，若大于所述预设准确率阈值，则将所述初始交通标志牌位置识别模型作为训练完成的交通标志牌位置识别模型。4.根据权利要求3所述的方法，其中，所述将所述多个样本图像的每个样本图像作为输入，将所述多个样本图像中的每个样本图像所对应的所述样本位置信息作为输出，训练得到所述交通标志牌位置识别模型，包括：响应于不大于所述预设准确率阈值，调整所述初始交通标志牌位置识别模型的参数，并继续执行所述训练步骤。5.根据权利要求2所述的方法，其中，所述样本位置信息通过以下步骤获取：通过滑动窗口对所述样本图像进行图像选取，得到交通标志牌选择图像集合；计算所述交通标志牌选择图像集合中交通标志牌选择图像的选择准确度值，其中，所述选择准确度值用于表征交通标志牌选择图像中属于样本图像中交通标志牌的像素与样本图像中交通标志牌的全部像素之间的交集与并集的比值；将选择准确度值大于等于设定阈值的交通标志牌选择图像设置为正样本交通标志牌选择图像；对全部的正样本交通标志牌选择图像进行融合，得到所述样本图像的样本位置信息。6.根据权利要求5所述的方法，其中，所述对全部的正样本交通标志牌选择图像进行融合，得到所述样本图像的样本位置信息，包括：对于所述全部的正样本交通标志牌选择图像中的正样本交通标志牌选择图像，通过预设的位置滑动窗口对正样本交通标志牌选择图像中交通标志牌的位置进行特征提取，得到所述正样本交通标志牌选择图像中交通标志牌的初始位置信息，其中，所述位置滑动窗口包括以下至少一项：九宫格滑动窗口、六宫格滑动窗口、四宫格滑动窗口；对所述全部的正样本交通标志牌选择图像对应的全部初始位置信息进行融合，得到所述样本图像的样本位置信息。7.根据权利要求1至6任意一项所述的方法，其中，所述特征信息包括以下至少一项：颜色特征信息、形状特征信息、纹理特征信息。以及所述对所述至少一个缩放待处理图像对应的至少一个特征信息进行融合，确定所述待处理图像中交通标志牌的最终位置信息，包括：对融合后的特征信息进行降维操作，得到降维特征信息；对所述降维特征信息进行拟合，得到所述待处理图像中交通标志牌的最终位置信息。8.一种用于识别交通标志牌的装置，包括：缩放待处理图像获取单元，被配置成按照设定比例将待处理图像进行缩放，得到至少一个缩放待处理图像；特征信息获取单元，对于所述至少一个缩放待处理图像中的缩放待处理图像，被配置成将所述缩放待处理图像导入预先训练的交通标志牌位置识别模型，得到...

【专利技术属性】
技术研发人员：段旭，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11