【技术实现步骤摘要】
交通信号灯的检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及计算机视觉与辅助驾驶
,更具体的说,涉及一种交通信号灯的检测方法、装置、电子设备及存储介质。
技术介绍
[0002]交通信号灯检测是自动驾驶必不可少的一部分,交通信号灯的检测精度直接关系自动驾驶的安全。一般而言,在实际场景中采集的交通信号灯图像具有复杂的背景,而感兴趣的交通信号灯区域只占很少的一部分。
[0003]目前一般采用CNN(Convolutional Neural Networks,卷积神经网络)对交通信号灯进行检测。但是,在真实应用场景中,往往存在因交通信号灯目标较小导致CNN网络漏检的情况,以及CNN网络将与交通信号灯相似的目标或背景误检测为交通信号灯的情况。
技术实现思路
[0004]有鉴于此,本专利技术公开一种交通信号灯的检测方法、装置、电子设备及存储介质,以通过对交通信号灯位置区域进行复制来增加交通信号灯预处理图像中的小目标数量,从而使得匹配的交通信号灯的数量也随之增加,不仅提高交通信号灯的检出率,而且 ...
【技术保护点】
【技术特征摘要】
1.一种交通信号灯的检测方法,其特征在于,包括:采集交通信号灯图像;在所述交通信号灯图像上对交通信号灯位置和交通信号灯类别进行标注,得到交通信号灯标注图像与交通信号灯标注文件,其中,所述交通信号灯标注文件用于存储所述交通信号灯标注图像中的标注真值;对所述交通信号灯标注图像进行过采样处理得到交通信号灯预处理图像;从所述交通信号灯标注文件中确定交通信号灯位置区域;将所述交通信号灯位置区域复制到所述交通信号灯预处理图像中的贴图区域,得到交通信号灯中间图像,其中,所述贴图区域与所述交通信号灯预处理图像中已有的交通信号灯目标不存在重叠区域;对所述交通信号灯中间图像进行检测,得到目标交通信号灯检测结果。2.根据权利要求1所述的检测方法,其特征在于,对所述交通信号灯中间图像进行检测,得到目标交通信号灯检测结果,具体包括:对所述交通信号灯中间图像进行图像增强处理,得到目标交通信号灯图像;对所述目标交通信号灯图像进行检测,得到所述目标交通信号灯检测结果。3.根据权利要求2所述的检测方法,其特征在于,对所述目标交通信号灯图像进行检测,得到所述目标交通信号灯检测结果,具体包括:采用YOLOV3检测方法从所述目标交通信号灯图像中检测出交通信号灯,记为交通信号灯检测的第一次输出结果;采用roi增强方式从所述目标交通信号灯图像中检测出交通信号灯,记为交通信号灯检测的第二次输出结果;将所述第一次输出结果和第一次输出结果进行融合,得到所述目标交通信号灯检测结果。4.根据权利要求3所述的检测方法,其特征在于,所述YOLOV3检测方法采用CNN网络,所述CNN网络中的神经网络模型主体结构Backbone采用轻量化结构Xception。5.一种交通信号灯的检测装置,其特征在于,包括:采集单元,用于采集交通信号灯图像;标注单元,用于在所述交通信号灯图像上对交通信号灯位置和交通信号灯类别进行标注,得到交通信号灯标注图像与交通信号灯...
【专利技术属性】
技术研发人员:胥洪利,
申请(专利权)人:天津天瞳威势电子科技有限公司,
类型:发明
国别省市:
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。