【技术实现步骤摘要】
一种基于通道-空间注意力胶囊网络模型的道路交通标志线检测方法及系统
本专利技术涉及智能交通和测绘科学领域,尤其涉及一种基于通道-空间注意力胶囊网络模型的道路交通标志线检测方法及系统。
技术介绍
近年来,随着经济的发展和社会的进步,道路的通行能力、可达性、交通安全性等问题越来越突出。道路以及道路细节要素如道路边界、交通标志线等是我国重要的基础交通设施。道路交通标志线(TrafficIndexLine)是由施划或安装于道路路面上的各种线条、箭头、文字、图案及立面标记、实体标记、突起路标和轮廓标等所构成的交通设施,并向交通参与者传递引导、限制、警告等。其作用是管制和引导交通,可以与标志配合使用,也可单独使用。对道路标志线进行有效维护不仅可以减少交通压力,能使车辆井然有序地行驶,还能减少交通事故,增强交通安全。其高精度的几何与语义信息如形状、位置、拓扑和结构关系信息的快速获取与更新对保障交通安全具有重要作用,是智能交通、智能高精地图、导航与定位服务等领域的基础和核心元素。一般在城市环境中,对于道路标线,主要从色度、感光度和残损程度等方面来判断是否损坏。目前都是通过人工目测进行检测,其优点是准确,但是,道路形状多样,场景复杂,人工测量存在效率低、自动化程度低、需较多的人力和物力、影响道路交通等缺陷,达不到高精度道路信息快速提取与更新的要求。道路交通标志线的可用性和清晰度是交通管理系统和交通事故的关键因素。根据道路交通标志线语义知识(如形状)和反射强度特征,目前方法主要分为三维点云驱动和二维图像驱动的道路交通标志 ...
【技术保护点】
1.一种基于通道-空间注意力胶囊网络模型的道路交通标志线检测方法,其特征在于,所述方法包括:/n将输入的待检测道路交通标志线图像通过基于编码-解码结构网络模型的收缩路径进行特征提取,获得道路交通标志线胶囊特征,编码-解码结构网络耦合通道注意力模块,增强道路交通标志线的上下文信息,各所述道路交通标志线的分辨率和尺度都不同;/n通过所述编码-解码结构网络模型的扩展路径对各所述道路交通标志线胶囊特征进行反卷积上采样,通过空间注意力模块捕捉道路交通标志线空间信息,获得道路交通标志线信息。/n
【技术特征摘要】
1.一种基于通道-空间注意力胶囊网络模型的道路交通标志线检测方法,其特征在于,所述方法包括:
将输入的待检测道路交通标志线图像通过基于编码-解码结构网络模型的收缩路径进行特征提取,获得道路交通标志线胶囊特征,编码-解码结构网络耦合通道注意力模块,增强道路交通标志线的上下文信息,各所述道路交通标志线的分辨率和尺度都不同;
通过所述编码-解码结构网络模型的扩展路径对各所述道路交通标志线胶囊特征进行反卷积上采样,通过空间注意力模块捕捉道路交通标志线空间信息,获得道路交通标志线信息。
2.根据权利要求1所述的方法,其特征在于,将输入的待检测道路交通标志线图像通过基于编码-解码结构网络模型的收缩路径进行特征提取,获得道路交通标志线胶囊特征,耦合通道注意力模块,增强道路交通标志线的上下文信息,各所述道路交通标志线的分辨率和尺度都不同,具体包括如下步骤:
将所述待检测道路交通标志线图像输入第一卷积层进行特征提取,获得低阶道路交通标志线特征信息;
将所述低阶道路交通标志线特征信息输入胶囊初始层进行特征转换,获得道路交通标志线胶囊矢量;
通过N个不同尺度的胶囊卷积组,对所述道路交通标志线胶囊矢量进行胶囊卷积,获得各所述胶囊卷积组输出的道路交通标志线胶囊特征。
3.根据权利要求2所述的方法,其特征在于,所述N个不同尺度的胶囊卷积组,对所述道路交通标志线胶囊矢量进行胶囊卷积,获得各所述胶囊卷积组输出的道路交通标志线胶囊特征,包括:
N个不同尺度的所述胶囊卷积组的缩放步长为2,通过卷积核为2×2最大值池化层连接于各胶囊卷积组之间,使得道路交通标志线特征图空间分辨率从下而上逐渐降低;
各胶囊卷积组包含5个相同特征尺寸的卷积核为3×3胶囊卷积层和一个注意力通道模块;
将道路交通标志线胶囊特征输入到注意力通道模块,获取交通标志线上下文信息,对道路交通标志线特征进行信息增强。
4.根据权利要求3所述的方法,其特征在于,通过一个注意力通道对所述道路交通标志线胶囊特征进行信息增强,获得增强道路交通标志线胶囊特征,包括:
将道路交通标志线胶囊特征图输入到卷积核为1×1胶囊卷积层转换成一维的胶囊特征图,通过全局平均值池化操作构建出一个通道描述符;
将通道描述符转换成通道注意力描述符,描述符中每个元素所编码的信息与输入道路交通标志线胶囊特征图中的通道相对应;
将通道注意力描述符作为通道权值函数与输入道路交通标志线胶囊特征图进行通道级乘积处理,调整道路交通标志线胶囊特征。
5.根据权利要求1所述的方法,其特征在于,通过所述编码-解码结构网络模型的扩展...
【专利技术属性】
技术研发人员:管海燕,于永涛,柯福阳,曹爽,
申请(专利权)人:江苏思玛特科技有限公司,
类型:发明
国别省市:江苏;32
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。