【技术实现步骤摘要】
基于人工智能的交通标志识别方法、装置、终端及介质
本专利技术涉及人工智能
，具体涉及一种基于人工智能的交通标志识别方法、装置、终端及介质。
技术介绍
随着现代科技的进步，车辆已经普及到国内大部分家庭，车辆的大量使用极大方便了人们的出行、生活和工作。交通标志自动识别能够将交通标志信息及时、准确地传达给车辆驾驶员，辅助驾驶员驾驶车辆，甚至辅助控制车辆。交通标志自动识别主要使用的技术有：图像识别技术；支持向量机SVM、随机森林等分类算法；神经网络模型。然而图像识别技术和分类算法的准确率相对较低，神经网络模型容易过拟合，导致模型鲁棒性不好。因此，有必要提供一种识别交通标志的方案。
技术实现思路
鉴于以上内容，有必要提出一种基于人工智能的交通标志识别方法、装置、终端及介质，能够融合交通标志的颜色和位置信息准确的提取出交通标志的特征信息，从而提高交通标志的识别准确度。本专利技术的第一方面提供一种基于人工智能的交通标志识别方法，所述方法包括：调用图像特征提取模型提取交通标志图像的特
【技术保护点】
1.一种基于人工智能的交通标志识别方法，其特征在于，所述方法包括：/n调用图像特征提取模型提取交通标志图像的特征并输出特征图；/n调用颜色提取模型提取所述交通标志图像的颜色信息，其中，所述颜色提取模型为基于颜色注意力机制的网络训练得到；/n调用位置提取模型根据所述颜色信息提取所述交通标志图像的位置信息，其中，所述位置提取模型为基于位置注意力机制的网络训练得到；/n根据所述位置信息生成掩板并利用所述掩板提取所述特征图中的目标特征信息得到目标特征图；/n通过预先训练的分类器根据所述目标特征图识别所述交通标志图像中的交通标志。/n
【技术特征摘要】
1.一种基于人工智能的交通标志识别方法，其特征在于，所述方法包括：
调用图像特征提取模型提取交通标志图像的特征并输出特征图；
调用颜色提取模型提取所述交通标志图像的颜色信息，其中，所述颜色提取模型为基于颜色注意力机制的网络训练得到；
调用位置提取模型根据所述颜色信息提取所述交通标志图像的位置信息，其中，所述位置提取模型为基于位置注意力机制的网络训练得到；
根据所述位置信息生成掩板并利用所述掩板提取所述特征图中的目标特征信息得到目标特征图；
通过预先训练的分类器根据所述目标特征图识别所述交通标志图像中的交通标志。
2.如权利要求1所述的基于人工智能的交通标志识别方法，其特征在于，所述根据所述位置信息生成掩板并利用所述掩板提取所述特征图中的目标特征信息得到目标特征图包括：
初始化一个第一掩板，所述第一掩板的大小与所述交通标志图像相同；
确定所述第一掩板中与所述交通标志图像的位置信息对应的目标位置；
将所述第一掩板中所述目标位置处的像素的值设置为第一值，及将所述第一掩板中非所述目标位置处的像素的值设置为第二值，得到第二掩板；
利用所述第二掩板提取所述特征图中的目标特征信息得到目标特征图。
3.如权利要求1所述的基于人工智能的交通标志识别方法，其特征在于，在所述调用图像特征提取模型提取交通标志图像的特征并输出特征图之前，所述方法还包括：
获取车辆行驶过程中的环境视频并对所述环境视频进行分帧处理得到多帧环境图像；
调用交通标志检测模型检测每帧环境图像中是否存在交通标志；
当确定所述环境图像中存在交通标志时，确定所述环境图像中交通标志所在区域；
对所述环境图像中所述交通标志所在区域进行分割得到交通标志图像；
根据多个交通标志图像生成目标交通标志图像。
4.如权利要求3所述的基于人工智能的交通标志识别方法，其特征在于，所述根据多个交通标志图像生成目标交通标志图像包括：
获取每个交通标志图像对应的目标环境图像及所述目标环境图像对应的帧序号；
采用光流算法计算两个相邻的帧序号对应的交通标志图像的光流场；
对所述光流场进行阈值分割，并筛选出所述光流场中大于所述阈值的目标光流场；
提取所述两个相邻的交通标志图像中对应所述目标光流场...
【专利技术属性】
技术研发人员：陈庆伟，许华杰，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44
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。