一种基于自注意力机制的交通标志识别方法技术

本发明专利技术公开了一种基于自注意力机制的交通标志识别方法，包括如下步骤：S1：获取待识别交通标志的视频输入流，并输入至预先构建的基于自注意力机制的交通识别模型进行识别；S2:基于预先设置的种类的目标对视频输入流进行框选，得到交通标志的位置以及相对应的类别信息；其中，交通识别模型包括特征提取层、特征融合层和多尺度检测回归层；特征提取层依次连接的四层，用于对视频输入流的每一帧图像进行分割、展平、映射、编码操作，并提取特征图；特征融合层用于对特征提取层进行上采样，对特征图进行特征融合并划分出不同的尺度；多尺度检测回归层用于对不同尺度的特征图进行检测和种类识别。本发明专利技术的自注意力机制鲁棒性更好、精度更高。更高。更高。

【技术实现步骤摘要】
一种基于自注意力机制的交通标志识别方法


[0001]本专利技术属于计算机视觉领域，尤其涉及一种基于自注意力机制的交通标志识别方法。

技术介绍

[0002]交通标志识别具有直接的现实世界应用，例如驾驶员辅助和安全、城市场景理解、自动驾驶，甚至是标志监控用于维护。对于驾驶员辅助和安全来说，驾驶员辅助和安全系统的开发旨在增强车辆系统的安全性和更好的驾驶。这些系统可以包括道路传感器、车载导航服务、电子信息标志、交通管理和监控等。通过提供警告驾驶员潜在危险的技术，安全功能可以避免事故，或通过实施安全措施和控制车辆来避免碰撞。它们的主要困难是对真实户外场景中的车辆环境的感知。因此，交通标志识别对驾驶员辅助和安全系统起着关键作用。交通标志通常根据其形状和颜色分为各种类别，例如、红边三角形危险标志、红边圆形限速标志和蓝色圆形强制标志。但在实践中，交通标志的各种情况复杂，这使得这些系统的检测和识别任务困难重重。

技术实现思路

[0003]本专利技术的技术目的是提供一种基于自注意力机制的交通标志识别方法，以解决现有技术中对交通标志检测效率低、难度高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自注意力机制的交通标志识别方法，其特征在于，包括如下步骤：S1：获取待识别交通标志的视频输入流，并输入至预先构建的基于自注意力机制的交通识别模型进行识别；S2:基于预先设置的种类的目标对所述视频输入流进行框选，得到交通标志的位置以及相对应的类别信息；其中，所述交通识别模型包括特征提取层、特征融合层和多尺度检测回归层；所述特征提取层依次连接的四层，用于对所述视频输入流的每一帧图像进行分割、展平、映射、编码操作，并提取特征图；所述特征融合层用于对所述特征提取层进行上采样，对所述特征图进行特征融合并划分出不同的尺度；所述多尺度检测回归层用于对不同尺度的所述特征图进行检测和种类识别。2.根据权利要求1所述的基于自注意力机制的交通标志识别方法，其特征在于，在所述步骤S1之前需要构建所述交通识别模型，包括如下步骤A1：获取交通标志图像并进行分类并标注，得到数据集；A2：对所述数据集进行数据增强；A3：构建预识别模型，并将增强后的所述数据集放入所述预识别模型进行参数训练更新直至收敛，得到所述交通识别模型。3.根据权利要求2所述的基于自注意力机制的交通标志识别方法，其特征在于，所述步骤A1具体为获取所述交通标志图像，并进行分类以及标注交通标志的位置，将所述交通标志图像按训练集和验证集分类、整理存放，并将标注位置信息以及相对应的交通标志种类存入相对应的CSV文件中，所述训练集和所述验证集组成数据集,每张所述交通标志图像对应一标签，所述标签内记载相对应的交通标志种类。4.根据权利要求3所述的基于自注意力机制的交通标志识别方法，其特征在于，所述步骤A1与所述步骤A2之间还包括如下步骤：读取所述数据集中的每个图片相对应的所述标注位置信息；基于所述标注位置信息，通过k
‑
means聚类算法对获得6种不同的检测框，并赋值给所述预识别模型的检测层。5.根据权利要求3所述的基于自注意力机制的交通标志识别方法，其特征在于，所述步骤A2具体包...

【专利技术属性】
技术研发人员：周峰，刘云翔，原鑫鑫，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：