一种基于视频的高速公路标志标线识别方法及识别系统技术方案

本发明专利技术属于汽车辅助驾驶技术领域，公开了一种基于视频的高速公路标志标线识别方法及识别系统，所述基于视频的高速公路标志标线识别系统包括：线路获取模块、车辆位置确定模块、图像采集模块、中央控制模块、图像处理模块、标线识别模块、标志分类模块、神经网络建立模块、迭代训练模块、识别模型构建模块、标志输入模块、标志识别模块、识别结果输出模块、云存储模块、更新显示模块。本发明专利技术通过卷积神经网络的训练实现标志识别模型的构建，能够对车载环境中取得的交通标志图像进行识别，能够取得较高的准确率，同时网络模型的训练时间相对较短，有效的解决了识别时间长、过拟合的难题，实现对高速公路右侧标志的识别以及对地面标线的识别。

【技术实现步骤摘要】
一种基于视频的高速公路标志标线识别方法及识别系统
本专利技术属于汽车辅助驾驶
，尤其涉及一种基于视频的高速公路标志标线识别方法及识别系统。
技术介绍
目前，随着人们生活的进步，车辆已经是人们不可或缺的交通工具，但是由于汽车的保有量急剧增加，导致交通堵塞，事故频繁的发生，因此提高汽车智能化的行驶安全性能已是自动驾驶车辆的首要任务。随着车辆智能化技术发展，无人驾驶车辆技术成为了自动驾驶系统的重要研究领域。自动驾驶车辆和驾驶员辅助系统普遍是依靠车载摄像头摄取的图像进行检测识别，再通过系统的一系列运算反馈给车辆做出正确的动作。摄像头收集图片时，车辆都是在运动状态下完成的，再加上室外交通环境复杂，识别图像中的物体要比一般静止的图片难度更大。主要困难体现在运动模糊、光照多变复杂、硬件问题、角度倾斜、外物遮掩等。近年来随着卷积神经网络理论及应用的开发，诸多图像分类方法都已不再需要人工进行提取，而是把图像传输入神经网络中，让神经网络自主学习，自行提取图像的多个特征，之后在通过分类器进行图像的识别分类。但是目前暂无将神经网络用于高速道路交通本文档来自技高网...

【技术保护点】
1.一种基于视频的高速公路标志标线识别方法，其特征在于，所述基于视频的高速公路标志标线识别方法包括以下步骤：/n步骤一，通过线路获取模块利用线路获取程序进行高速公路线路图的获取；通过车辆位置确定模块利用车辆位置确定程序借助车内安装的定位装置进行车辆位置的确定；/n步骤二，通过图像采集模块利用摄像头采集车辆前方以及右前方的图像；通过中央控制模块利用中央处理器控制所述基于视频的高速公路标志标线识别系统各个模块的正常运行；/n步骤三，通过图像处理模块利用图像处理程序对采集的图像进行处理，提取标志和标线的图像特征数据；/n步骤四，通过标线识别模块从采集的图像中随机选取一张图像，作为待识别图像；通过灰度...

【技术特征摘要】
1.一种基于视频的高速公路标志标线识别方法，其特征在于，所述基于视频的高速公路标志标线识别方法包括以下步骤：
步骤一，通过线路获取模块利用线路获取程序进行高速公路线路图的获取；通过车辆位置确定模块利用车辆位置确定程序借助车内安装的定位装置进行车辆位置的确定；
步骤二，通过图像采集模块利用摄像头采集车辆前方以及右前方的图像；通过中央控制模块利用中央处理器控制所述基于视频的高速公路标志标线识别系统各个模块的正常运行；
步骤三，通过图像处理模块利用图像处理程序对采集的图像进行处理，提取标志和标线的图像特征数据；
步骤四，通过标线识别模块从采集的图像中随机选取一张图像，作为待识别图像；通过灰度出路程序对待识别图像进行灰度化处理；
步骤五，得到灰度图像后，开启第一线程和第二线程；通过第一线程对灰度图像进行标准化处理，并获取灰度图像的方向梯度直方图特征；通过第二线程对灰度图像进行预处理，并获取灰度图像的局部二值模式特征；
步骤六，利用标线识别程序根据灰度图像的方向梯度直方图特征和局部二值模式特征生成待识别数组进行高速公路道路上标线的识别，并对实线、虚线进行区分，得到高速公路上的实线和虚线线条；
步骤七，通过标志分类模块从标志数据库中随机选取预设数量的标志实例；所述标志实例包括待识别标志样图和所述待识别标志样图的标注信息，所述标注信息包括标志类别信息、包围框信息和蒙版信息；
步骤八，利用标志分类程序根据提取的标线图像特征数据对所述标志实例进行随机变换，得到变换后的标志实例，所述随机变换包括对所述待识别标志样图进行颜色变换、角度旋转、噪声处理和仿射变换中的一种或多种组合；
步骤九，根据采集的标线图像数据的多维信息合成采集图像和所述变换后的标志实例进行标志分类，得到用于标志识别的标注文件，从而将获取的标志分为限速标志、大小型车标志、驶入/出标志、测距标志以及其他提示标志；
步骤十，通过神经网络建立模块利用神经网络建立程序构建卷积神经网络；通过迭代训练模块利用迭代训练程序进行构建的卷积神经网络的训练；
步骤十一，通过识别模型构建模块利用识别模型构建程序构建标志识别模型；通过标志输入模块利用输入程序将图像输入至标志识别模型；
步骤十二，通过标志识别模块利用标志识别模型对分类处理后的标志图像进行识别；通过识别结果输出模块利用输出程序将标线识别结果及标志识别结果进行输出；
步骤十三，通过云存储模块利用云数据库服务器存储获取的高速公路线路图、车辆位置、采集的车辆前方及右前方的图像、标线识别结果、标志分类结果、构建的卷积神经网络、标志识别模型以及图像的识别结果；
步骤十四，通过更新显示模块利用更新程序对获取的高速公路线路图、车辆位置、采集的车辆前方及右前方的图像、标线识别结果、标志分类结果、构建的卷积神经网络、标志识别模型以及图像的识别结果进行更新，并通过显示器进行更新数据的实时显示。


2.如权利要求1所述的基于视频的高速公路标志标线识别方法，其特征在于，步骤二中，所述通过图像采集模块利用摄像头采集车辆前方以及右前方的图像中，所述的摄像头为前置摄像头，安装并朝向在车前。


3.如权利要求1所述的基于视频的高速公路标志标线识别方法，其特征在于，步骤三中，所述通过图像处理模块利用图像处理程序对采集的图像进行处理，提取标志和标线的图像特征数据的方法，包括：
(I)通过图像处理模块从采集的图像中随机选取一张图像，作为待处理图像，并对所述待处理图像的空白区域进行裁剪处理；
(II)将裁剪后的所述待处理图像进行标准化处理，同时通过特征提取程序进行标志和标线的图像特征数据的提取；
(III)将标准化处理后的所述待处理图像进行尺寸归一化处理；输出预处理后用作所述卷积神经网络输入图像的所述待处理图像。


4.如权利要求1所述的基于视频的高速公路标志标线识别方法，其特征在于，步骤七中，所述从标志数据库中随机选取预设数量的标志实例前，还包括：构建标志数据库。


5.如权利要求4所述的基于视频的高速...

【专利技术属性】
技术研发人员：王长华，亓凌，郑于海，赵恒，姜瑜，黄超超，
申请(专利权)人：浙江省机电设计研究院有限公司，
类型：发明
国别省市：浙江;33