本申请公开了一种交通标识牌的识别方法和装置、存储介质及电子装置，其中，上述方法包括：获取待识别图像，其中，待识别图像为待识别包含的交通标识牌的类别的图像；根据预设形状对待识别图像执行预识别操作，得到目标图像，其中，预设形状为预设的与交通标识牌对应的形状；将目标图像输入到目标识别模型，得到目标识别模型输出的目标识别结果，其中，目标识别结果用于指示识别到的交通标识牌的类别。通过本申请，解决了相关技术中的交通标识牌的识别方法存在由于易受到天气影响导致识别的准确率低的问题。率低的问题。率低的问题。
【技术实现步骤摘要】
交通标识牌的识别方法和装置、存储介质及电子装置
[0001]本申请涉及自动驾驶领域，具体而言，涉及一种交通标识牌的识别方法和装置、存储介质及电子装置。
技术介绍
[0002]在自动驾驶的过程中，为了提高自动驾驶的安全性以及稳定性，可以通过对交通标识牌进行识别，根据识别结果自动调节驾驶的车速、车道等参数。
[0003]目前，一般采用图像检测模型对获取到图像进行识别，确定出与交通标识牌对应的信息。然而，在使用图像检测模型对图像进行识别的过程中，可能会受到天气影响，在阴雨天进行交通标识牌识别的准确度低。
[0004]由此可知，相关技术中的交通标识牌的识别方法存在由于易受到天气影响导致识别的准确率低的问题。
技术实现思路
[0005]本申请实施例提供了一种交通标识牌的识别方法和装置、存储介质及电子装置，以至少解决相关技术中的交通标识牌的识别方法存在由于易受到天气影响导致识别的准确率低的问题。
[0006]根据本申请实施例的一个方面，提供了一种交通标识牌的识别方法，包括：获取待识别图像，其中，所述待识别图像为待识别包含的交通标识牌的类别的图像；根据预设形状对所述待识别图像执行预识别操作，得到目标图像，其中，所述预设形状为预设的与所述交通标识牌对应的形状；将所述目标图像输入到目标识别模型，得到所述目标识别模型输出的目标识别结果，其中，所述目标识别结果用于指示识别到的所述交通标识牌的类别。
[0007]根据本申请实施例的另一个方面，还提供了一种交通标识牌的识别装置，包括：获取单元，用于获取待识别图像，其中，所述待识别图像为待识别包含的交通标识牌的类别的图像；执行单元，用于根据预设形状对所述待识别图像执行预识别操作，得到目标图像，其中，所述预设形状为预设的与所述交通标识牌对应的形状；输入单元，用于将所述目标图像输入到目标识别模型，得到所述目标识别模型输出的目标识别结果，其中，所述目标识别结果用于指示识别到的所述交通标识牌的类别。
[0008]在一个示例性实施例中，所述执行单元包括：滑动模块，用于使用目标截取框在所述待识别图像中进行多次滑动，得到一组截取图像，其中，所述一组截取图像中的每张截取图像为在一次滑动之后，通过所述目标截取框从所述待识别图像中截取到的图像；筛选模块，用于从所述一组截取图像中筛选出包含所述预设形状的对象的截取图像，得到所述目标图像。
[0009]在一个示例性实施例中，所述输入单元包括：第一输入模块，用于将所述目标图像输入到所述目标识别模型的目标模型结构，得到所述目标模型结构输出的多组特征图，其中，所述目标模型结构包含依次连接的多层卷积层，所述多层卷积层中的每层卷积层用于
输出所述多组特征图中的一组特征图；执行模块，用于通过对所述多组特征图执行特征加强操作，得到加强后的所述多组特征图，其中，所述特征加强操作包括以下至少之一：特征图上采样，特征图下采样；第二输入模块，用于将加强后的多组特征图输入到所述目标识别模型的解耦头，得到与所述多组特征图对应的预测结果，其中，所述与所述多组特征图对应的预测结果用于指示与识别所述交通标识牌的类别对应的多个识别参数的预测结果；第一确定模块，用于根据与所述多组特征图对应的预测结果，确定出所述目标识别结果。
[0010]在一个示例性实施例中，所述装置还包括：拆分单元，用于在将所述目标图像输入到所述目标识别模型的目标模型结构之前，通过每隔一个像素点提取所述目标图像中的一个特征值对所述目标图像进行图像拆分，得到四组拆分图像，其中，输入到所述目标模型结构中的所述目标图像为拆分后的所述四组拆分图像。
[0011]在一个示例性实施例中，所述第一输入模块包括：拆分子模块，用于在所述每层卷积层进行特征图卷积的过程中，将输入到所述每层卷积层的残差块进行拆分，得到第一残差块和第二残差块；第一卷积子模块，用于通过所述每层卷积层对所述第一残差块进行卷积处理，得到所述每层卷积层输出的初始特征图；第一拼接子模块，用于将所述初始特征图与所述第二残差块进行拼接，得到所述每层卷积层输出的一组特征图。
[0012]在一个示例性实施例中，所述执行模块包括：第二卷积子模块，用于对所述多组特征图中的第一组特征图进行卷积处理，得到一组第一特征图；下采样子模块，用于对所述多组特征图中的第二组特征图进行下采样处理，得到一组第二特征图，其中，所述第二组特征图的特征图尺寸大于所述第一组特征图中的特征图尺寸；第二拼接子模块，用于将所述一组第一特征图与所述一组第二特征图进行特征图拼接，得到加强后的所述第一组特征图；上采样子模块，用于对所述一组第一特征图进行上采样处理，得到一组第三特征图；第三拼接子模块，用于将所述第二组特征图与所述一组第三特征图进行特征图拼接，得到加强后的所述第二组特征图。
[0013]在一个示例性实施例中，所述输入单元包括：第三输入模块，用于在所述目标图像的数量为多张的情况下，将每张所述目标图像分别输入到所述目标识别模型，得到所述目标识别模型输出的多个识别结果；第二确定模块，用于在所述多个识别结果中仅有一个识别结果用于指示识别到所述交通标识牌的类别的情况下，将所述一个识别结果，确定为所述目标识别结果；第三确定模块，用于在所述多个识别结果中有至少两个识别结果用于指示识别到所述交通标识牌的类别的情况下，将所述至少两个识别结果，确定为所述目标识别结果。
[0014]在本申请实施例中，采用对待识别图像进行预识别后再输入到识别模型方式，通过获取待识别图像，其中，待识别图像为待识别包含的交通标识牌的类别的图像；根据预设形状对待识别图像执行预识别操作，得到目标图像，其中，预设形状为预设的与交通标识牌对应的形状；将目标图像输入到目标识别模型，得到目标识别模型输出的目标识别结果，其中，目标识别结果用于指示识别到的交通标识牌的类别，由于根据预设的形状对待识别的图像进行预识别，可以从待识别图像中筛选出包含交通标识牌类别的图像，从而可以实现降低天气因素对待识别图像质量的影响的目的，达到了提高交通标识牌识别准确率的技术效果，进而解决了相关技术中的交通标识牌的识别方法存在由于易受到天气影响导致识别的准确率低的问题。
附图说明
[0015]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0016]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是根据本申请实施例的一种可选的交通标识牌的识别方法的硬件环境的示意图；
[0018]图2是根据本申请实施例的一种可选的交通标识牌的识别方法的流程示意图；
[0019]图3是根据本申请实施例的一种可选的交通标识牌的识别模型的示意图；
[0020]图4是根据本申请实施例的一种可选的交通标识牌的识别模型的训练流程的示意图；
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交通标识牌的识别方法，其特征在于，包括：获取待识别图像，其中，所述待识别图像为待识别包含的交通标识牌的类别的图像；根据预设形状对所述待识别图像执行预识别操作，得到目标图像，其中，所述预设形状为预设的与所述交通标识牌对应的形状；将所述目标图像输入到目标识别模型，得到所述目标识别模型输出的目标识别结果，其中，所述目标识别结果用于指示识别到的所述交通标识牌的类别。2.根据权利要求1所述的方法，其特征在于，所述根据预设形状对所述待识别图像执行预识别操作，得到目标图像，包括：使用目标截取框在所述待识别图像中进行多次滑动，得到一组截取图像，其中，所述一组截取图像中的每张截取图像为在一次滑动之后，通过所述目标截取框从所述待识别图像中截取到的图像；从所述一组截取图像中筛选出包含所述预设形状的对象的截取图像，得到所述目标图像。3.根据权利要求1所述的方法，其特征在于，所述将所述目标图像输入到目标识别模型，得到所述目标识别模型输出的目标识别结果，包括：将所述目标图像输入到所述目标识别模型的目标模型结构，得到所述目标模型结构输出的多组特征图，其中，所述目标模型结构包含依次连接的多层卷积层，所述多层卷积层中的每层卷积层用于输出所述多组特征图中的一组特征图；通过对所述多组特征图执行特征加强操作，得到加强后的所述多组特征图，其中，所述特征加强操作包括以下至少之一：特征图上采样，特征图下采样；将加强后的多组特征图输入到所述目标识别模型的解耦头，得到与所述多组特征图对应的预测结果，其中，所述与所述多组特征图对应的预测结果用于指示与识别所述交通标识牌的类别对应的多个识别参数的预测结果；根据与所述多组特征图对应的预测结果，确定出所述目标识别结果。4.根据权利要求3所述的方法，其特征在于，在将所述目标图像输入到所述目标识别模型的目标模型结构之前，所述方法还包括：通过每隔一个像素点提取所述目标图像中的一个特征值对所述目标图像进行图像拆分，得到四组拆分图像，其中，输入到所述目标模型结构中的所述目标图像为拆分后的所述四组拆分图像。5.根据权利要求3所述的方法，其特征在于，所述将所述目标图像输入到所述目标识别模型的目标模型结构，得到所述目标模型结构输出的多组特征图，包括：在所述每层卷积层进行特征图卷积的过程中，将输入到所述每层卷积层的残差块进行拆分，得到第一残差块和第二...
【专利技术属性】
技术研发人员：江路铭，王宇凡，许际晗，葛恒赫，宋楠楠，张达明，
申请(专利权)人：中国第一汽车股份有限公司，
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。