交通信号灯数字识别方法及数字识别系统技术方案

本发明专利技术提供了一种交通信号灯数字识别方法和系统，涉及车辆自动驾驶技术领域。本发明专利技术的交通信号灯数字识别方法包括：获取交通信号灯的图像或视频；根据交通信号灯的图像或视频识别图像或视频中的交通信号灯的形状；根据交通信号灯的形状选择预先建立的识别模型；根据识别模型，对图像或视频进行数据预处理；将预处理后的图像或视频输入到识别模型中对交通信号灯中的倒计时数字进行识别。利用本发明专利技术的交通信号灯数字识别方法可以使识别过程简单，且对交通信号灯的倒计时数字识别准确，保证自动驾驶车辆安全、平稳驾驶，防止自动驾驶车辆出现急刹车、闯红灯等而导致交通事故的严重后果。果。果。

【技术实现步骤摘要】
交通信号灯数字识别方法及数字识别系统


[0001]本专利技术涉及车辆
，特别是涉及一种交通信号灯数字识别方法及数字识别系统。

技术介绍

[0002]自动驾驶技术是当前汽车产业的技术热点，根据SAE的自动驾驶分级，目前主要将自动驾驶划分为L0
‑
L5六个等级，其中，L0级指没有任何自动驾驶功能的车辆，L1
‑
L2级自动驾驶本质上仍是驾驶辅助系统(ADAS)，L3级自动驾驶可以称之为准自动驾驶系统，L4
‑
L5级自动驾驶可以认为是真正有意义的自动驾驶系统。
[0003]传统的L1
‑
L2级别自动驾驶车辆，主要利用车辆自身的传感器(前向雷达、前视摄像头、超声波雷达、GPS、IMU、轮速传感器等)实现简单场景的辅助驾驶功能，例如ACC(Adaptive Cruise Control)，AEB，TJA，HWA等。随着车辆自动驾驶功能和安全等级的提升，车辆需要具有更精确的感知定位能力，更加可靠稳定的决策控制能力，能够处理更复杂的场景，对于自车和周边环境感知能力提出了更高的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通信号灯数字识别方法，其特征在于，包括：获取交通信号灯的图像或视频；根据交通信号灯的所述图像或视频识别所述图像或视频中的交通信号灯的形状；根据所述交通信号灯的形状选择预先建立的识别模型；根据所述识别模型对所述图像或视频进行数据预处理以获得预处理后的图像或视频；将预处理后的图像或视频输入到所述识别模型中对所述交通信号灯中的倒计时数字进行识别。2.根据权利要求1所述的交通信号灯数字识别方法，其特征在于，所述识别模型为卷积神经网络模型；在所述卷积神经网络模型中加入焦点损失函数，通过所述卷积神经网络模型内部加权使得输入到所述卷积神经网络模型内的所述预处理后的图像或视频数据均衡。3.根据权利要求2所述的交通信号灯数字识别方法，其特征在于，所述图像或视频中的交通信号灯的形状包括横向设置的长方形、竖向设置的长方形和正方形；所述识别模型包括第一识别模型，所述第一识别模型用于在所述图像或视频中的交通信息号灯的形状为横向设置的长方形时，对预处理后的图像或视频的数据进行识别；所述识别模型包括第二识别模型，所述第二识别模型用于在所述图像或视频中的交通信息号灯的形状为竖向设置的长方形时，对预处理后的图像或视频的数据进行识别；所述识别模型包括第三识别模型，所述第三识别模型用于在所述图像或视频中的交通信息号灯的形状为正方形时，对预处理后的图像或视频的数据进行识别。4.根据权利要求3所述的交通信号灯数字识别方法，其特征在于，将预处理后的图像或视频输入到所述识别模型中对所述交通信号灯中的倒计时数字进行识别推断的步骤包括：通过所述识别模型得到预处理后的图像或视频中有倒计时数字状态占总的图像或视频的概率，并得到概率值；获取所述概率值中的最大值；在所述最大值大于第一预设阈值时，则所述图像或视频中的倒计时数字为所述交通信号灯的识别倒计时数字。5.根据权利要求1
‑
4中任一项所述的交通信号灯数字识别方法，其特征在于，还包括：利用数字后处理方法对识别出的交通信号灯的所述识别倒计时数字进行修正得到最终倒计时数字；所述数字后处理方法包括：获取所述识别倒计时数字信息，其中，所述识别倒计时数字信息包括当前帧数字和当前帧，上一帧数字和上一帧时刻；当所述当前帧和所述上一帧时刻的时间差大于第二预设阈值时则所述当前帧数字为所述最终倒计时数字；当所述当前帧和所述上一帧时刻的时间差小于或等于所述第二预设阈值时，则判断是否需要对所述当前帧数字进行校正得到所述最终倒计时数字。
6.根据权利要求5所述的交通信号灯数字识别...

【专利技术属性】
技术研发人员：王猛，应思琦，张立志，邓堃，李健，
申请(专利权)人：吉利汽车研究院宁波有限公司，
类型：发明
国别省市：