车辆指示灯的识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种车辆指示灯的识别方法、装置、计算机设备和存储介质。该方法包括：获取待识别车辆的指示灯图像；通过主干网络对指示灯图像进行下采样处理，得到主干网络中各目标主干网络层对应的下采样特征图；通过语义强化层对相应的目标数据进行上采样处理，获取n个语义强化层输出的上采样特征图，目标数据至少包括输入数据，第二特征金字塔存在与n个语义强化层匹配的定位强化层；通过n个定位强化层，分别对相应语义强化层输出的上采样特征图进行特征提取，得到n个定位强化层输出对应的目标特征图；将每个定位强化层对应的目标特征图分别进行逐像素识别，得到指示灯图像中指示灯的类别。采用本方法能够提高指示灯识别准确率。类别。采用本方法能够提高指示灯识别准确率。类别。采用本方法能够提高指示灯识别准确率。

【技术实现步骤摘要】
车辆指示灯的识别方法、装置、计算机设备和存储介质


[0001]本申请涉及机器视觉领域，特别是涉及一种车辆指示灯的识别方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着机器视觉技术的发展，出现了目标检测技术，目标检测技术可以应用于生活中的方方面面，其中可以应用于车辆指示灯的指引。目前市面上车辆仪表盘的故障指示灯种类近200种，用户无法熟记各种类别的指示灯，而当指示灯出现时，往往代表着车辆出现了故障，因此当车辆出现指示灯时，快速便捷的为用户提供指引就显得尤为重要。
[0003]传统技术中，基于OpenCV和SVM的识别方法识别指示灯的类别，该识别方法使用了传统图像算法和分类模型，因此指示灯识别准确率低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高指示灯识别准确率的车辆指示灯的识别方法、装置、计算机设备和存储介质。
[0005]一种车辆指示灯的识别方法，识别模型包括主干网络、第一特征金字塔和第二特征金字塔，所述方法包括：
[0006]获取待识别车辆的指示灯图像；...

【技术保护点】

【技术特征摘要】
1.一种车辆指示灯的识别方法，其特征在于，识别模型包括主干网络、第一特征金字塔和第二特征金字塔，所述方法包括：获取待识别车辆的指示灯图像；通过所述主干网络对所述指示灯图像进行下采样处理，得到所述主干网络中各目标主干网络层对应的下采样特征图；所述识别模型中的第一特征金字塔存在与各所述目标主干网络层匹配的语义强化层，且各所述目标主干网络层对应的下采样特征图作为匹配的所述语义强化层的输入数据；通过所述语义强化层对相应的目标数据进行上采样处理，获取n个所述语义强化层输出的上采样特征图，所述目标数据至少包括所述输入数据，所述第二特征金字塔存在与n个所述语义强化层匹配的定位强化层；通过n个所述定位强化层，分别对相应所述语义强化层输出的上采样特征图进行特征提取，得到n个所述定位强化层输出对应的目标特征图；将每个所述定位强化层对应的目标特征图分别进行逐像素识别，得到所述指示灯图像中指示灯的类别。2.根据权利要求1所述的方法，其特征在于，所述通过所述主干网络对所述指示灯图像进行下采样处理，得到所述主干网络中各目标主干网络层对应的下采样特征图包括：通过所述主干网络中的第一主干网络层，对所述指示灯图像进行下采样处理，得到初始特征图；通过所述主干网络中的至少两个目标主干网络层依次对所述初始特征图进行下采样处理，且第二所述目标主干网络层的输入特征为第一所述目标主干网络层进行下采样处理后的输出特征，以获取到至少两个所述目标主干网络层分别对应的下采样特征图；其中，所述第一主干网络层之后的每一所述目标主干网络层进行下采样处理的深度依次以倍数加深。3.根据权利要求1所述的方法，其特征在于，所述通过所述语义强化层对相应的目标数据进行上采样处理，获取n个所述语义强化层输出的上采样特征图，所述目标数据至少包括所述输入数据，包括：当前所述语义强化层为首层语义强化层，将当前所述语义强化层相应的输入数据作为目标数据；当前所述语义强化层为非首层语义强化层，将当前所述语义强化层相应的输入数据、当前所述语义强化层上一层级对应的输入数据上采样后输出的特征进行特征融合作为目标数据；通过当前所述语义强化层对相应的目标数据进行上采样处理，获取n个非首层语义强化层输出的上采样特征图。4.根据权利要求1所述的方法，其特征在于，所述将每个所述定位强化层的目标特征图分别进行逐像素识别，得到所述指示灯图像中指示灯的类别包括：将每个所述定位强化层的目标特征图的像素集合与各锚框内的像素集合进行匹配，根据匹配结果输出每个所述锚框对应的特征向量；基于所述特征向量携带的类别信息，确定所述指示灯图像中指示灯的类别。5.根据权利要求4所述的方法，其特征在于，所述特征向量还携带所述锚框的置信度；
所述方法还包括：在各所述锚框中选取最大所述置信度对应的锚框作为目标锚框；所述基于所述特征向量携带的类别信息，确定所述指示灯图像中指示灯的类别包括：从所述目标锚框对应的特征向量读取类别信息；根据所述类别信息确定所述指示灯图像中指示灯的类别。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述识别模型对应的锚框标注文件；基于所述锚框标注文件计算各样本锚框的面积；基于各所述样本锚框的面积将各所述样本锚框划分为多个子集，并计算每个所述子集内样本锚框的平均尺寸；依据所述平均尺寸对相应所述子集内的样本锚框进行k均值聚类，得到每个所述子集的中心点；分别计算每个所述子集内各样本锚框与所述中心点之间的距离；基于所述距离对相应所述子集内的样本锚框进行尺寸调整，得到所述锚框。7.根据权利要求1所述的方法，其特征在于，所述识别模型是对原始识别模型中的第一特征金字塔和第二特征金字塔进行重构并进行训练所得；所述原始识别模型中的第二特征金字塔中包括m个定位强化层，m为大于n的正整数；所述对原始识别模型中的第一特征金字塔和第二特征金字塔进行重构并进行训练包括：在所述原始识别模型中的第一特征金字塔中，添加与所述主干网络中的首层主干网络层匹配的语义强化层；以及，在所述原始识别模型中的第二特征金字塔的m个定位强化层中，对n个所述定位强化层之外的定位强化层进行删除，得到重构的所述识别模型；对重构的所述识别模型进行模型训练，得到优化网络参数后的识别模型。8.根据权利要求7所述的方法，其特征在于，所述目标特征图包括第一目标特征图和第二目标特征图；n个所述语义强化层包括第一语义强化层和第二语义强化层；所述定位强化层包括第一定位强化层和第二定位强化层；所述通过n个所述定位强化层，分别对相应所述语义强化层输出的上...

【专利技术属性】
技术研发人员：林春伟，陈琳，吴伟佳，李羽，
申请(专利权)人：微民保险代理有限公司，
类型：发明
国别省市：