交通标识牌识别方法、装置和电子设备制造方法及图纸

本发明专利技术提供了一种交通标识牌识别方法、装置和电子设备。其中，该方法包括：获取目标视频，从目标视频中提取多个目标图片；将多个目标图片输入预先训练完成的交通标识牌检测模型中，输出多个目标图片包含的交通标识牌的检测结果；其中，检测结果表征交通标识牌的检测框的位置；通过交叉二次判别分析的方式识别多个检测框内的交通标识牌的类型。该方式中通过交叉二次判别分析的方式识别交通标识牌的类型，可以提高分类速度和分类准确率；当分类类别种类发生变化时，不需要重新训练交通标识牌检测模型，从而降低交通标识牌检测模型的训练成本。

【技术实现步骤摘要】
交通标识牌识别方法、装置和电子设备
本专利技术涉及神经网络
，尤其是涉及一种交通标识牌识别方法、装置和电子设备。
技术介绍
相关技术中，交通标识牌目标检测与识别的方法包含基于统计的分类方法、基于句法的分类方法和基于神经网络的分类方法。其中，当前针对交通标识牌分类的方法中，主要存在以下几个方面的问题：分类过程中实时性与准确性难以平衡，当准确率较高时，往往推理时间下降。基于卷积神经网络的分类方法中，当分类类别发生变化时，模型需要重新训练，增加训练成本。基于机器学习的分类方法中，需要反复调参，而且分类时间较慢。基于度量学习的相似度计算分类方法中，数据降维的同时，信息损失，造成分类精度的降低。综上，上述交通标识牌目标检测与识别的方法存在实时性与准确性难以平衡，重新训练模型导致训练成本较高，分类时间较慢，分类精度较低等问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种交通标识牌识别方法、装置和电子设备，以提高分类速度和分类准确率，降低模型的训练成本。第一方面，本专利技术实施例提供了一种交通标识牌本文档来自技高网...

【技术保护点】
1.一种交通标识牌识别方法，其特征在于，所述方法包括：/n获取目标视频，从所述目标视频中提取多个目标图片；/n将多个所述目标图片输入预先训练完成的交通标识牌检测模型中，输出多个所述目标图片包含的交通标识牌的检测结果；其中，所述检测结果表征所述交通标识牌的检测框的位置；/n通过交叉二次判别分析的方式识别多个所述检测框内的所述交通标识牌的类型。/n

【技术特征摘要】
1.一种交通标识牌识别方法，其特征在于，所述方法包括：
获取目标视频，从所述目标视频中提取多个目标图片；
将多个所述目标图片输入预先训练完成的交通标识牌检测模型中，输出多个所述目标图片包含的交通标识牌的检测结果；其中，所述检测结果表征所述交通标识牌的检测框的位置；
通过交叉二次判别分析的方式识别多个所述检测框内的所述交通标识牌的类型。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取交通标识牌的数据集；其中，所述数据集包括：样本图片和所述样本图片包含的交通标识牌的类型；
将所述数据集划分为训练集、验证集和测试集；
基于所述训练集训练至少一个所述交通标识牌检测模型；
基于所述验证集调整至少一个训练中的所述交通标识牌检测模型的参数；
通过所述测试集验证至少一个调整参数后的所述交通标识牌检测模型的识别准确度，将所述识别准确度最高的所述交通标识牌检测模型作为训练完成的交通标识牌检测模型。


3.根据权利要求1所述的方法，其特征在于，通过交叉二次判别分析的方式识别多个所述检测框内的所述交通标识牌的类型的步骤，包括：
对当前目标图片和上一目标图片进行图片跟踪，得到跟踪结果；其中，所述当前目标图片和所述上一目标图片为所述目标视频的相邻帧，并且所述当前目标图片为所述上一目标图片的下一帧；
如果所述跟踪结果表征所述当前目标图片和所述上一目标图片不一致，通过交叉二次判别分析的方式识别所述当前目标图片的检测框内的所述交通标识牌的类型；
如果所述跟踪结果表征所述当前目标图片和所述上一目标图片一致，将所述上一目标图片的检测框内的所述交通标识牌的类型作为所述当前目标图片的检测框内的所述交通标识牌的类型。


4.根据权利要求3所述的方法，其特征在于，对当前目标图片和上一目标图片进行图片跟踪，得到跟踪结果的步骤，包括：
基于当前目标图片的第一检测框的位置与上一目标图片的第二检测框的位置，确定所述第一检测框和所述第二检测框的交并比；
如果所述交并比大于或等于预设的交并比阈值，检测结果表征所述当前目标图片和所述上一目标图片一致；
如果所述交并比小于所述交并比阈值，检测结果表征所述当前目标图片和所述上一目标图片不一致。


5.根据权利要求1所述的方法，其特征在于，通过交叉二次判别分析的方式识别多个所述检测框内的所述交通标识牌的类型的步骤，包括：
对多个所述检测框...

【专利技术属性】
技术研发人员：袁志宏，张炳刚，韦松，
申请(专利权)人：苏州挚途科技有限公司，
类型：发明
国别省市：江苏;32