交通信号灯识别方法、装置、设备、存储介质和产品制造方法及图纸

本申请涉及一种交通信号灯识别方法、装置、设备、存储介质和产品，该方法包括：获取目标交通场景的场景图像，将场景图像输入至信号灯分类模型中，通过信号灯分类模型提取场景图像的多维复合特征，并根据多维复合特征输出目标交通场景中的交通信号灯分类结果，然后根据交通信号灯分类结果，确定目标交通场景中的交通信号灯识别结果；多维复合特征是根据场景图像的细节特征和语义特征融合生成的。该方法从底层细节和高层语义两个维度对场景图像进行分析，增强了对场景图像的关键特征的提取，从而提高了交通信号灯分类结果的准确性，然后根据准确的交通信号灯分类结果，保证了目标交通场景的交通信号灯识别结果的准确性。场景的交通信号灯识别结果的准确性。场景的交通信号灯识别结果的准确性。

【技术实现步骤摘要】
交通信号灯识别方法、装置、设备、存储介质和产品


[0001]本申请涉及计算机视觉
，特别是涉及一种交通信号灯识别方法、装置、设备、存储介质和产品。

技术介绍

[0002]交通信号灯是控制交通流量、维护交通秩序的重要设备。随着道路交通智能化技术的发展，交通信号灯识别信息已经成为路侧感知和车辆智能的必要数据。同时，交通信号灯识别也是保证无人驾驶车辆能够安全上路的一个重要前提。因此，对驾驶场景中的交通信号灯识别至关重要。
[0003]然而，现有技术中缺乏一种能够准确地对交通信号灯进行识别的方法。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够准确地对交通信号灯识别的交通信号灯识别方法、装置、设备、存储介质和产品。
[0005]第一方面，本申请提供了一种交通信号灯识别方法，该方法包括：
[0006]获取目标交通场景的场景图像；
[0007]将场景图像输入至信号灯分类模型中，通过信号灯分类模型提取场景图像的多维复合特征，并根据多维复合特征输出目标交通场景中的交通信号灯分类结果；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通信号灯识别方法，其特征在于，所述方法包括：获取目标交通场景的场景图像；将所述场景图像输入至信号灯分类模型中，通过所述信号灯分类模型提取所述场景图像的多维复合特征，并根据所述多维复合特征输出所述目标交通场景中的交通信号灯分类结果；所述多维复合特征是根据所述场景图像的细节特征和语义特征融合生成的；根据所述交通信号灯分类结果，确定所述目标交通场景中的交通信号灯识别结果。2.根据权利要求1所述的方法，其特征在于，所述交通信号灯分类结果包括交通信号灯类别和所述交通信号灯类别对应的概率；所述根据所述交通信号灯分类结果，确定所述目标交通场景中的交通信号灯识别结果，包括：根据各所述交通信号灯类别的概率，确定所述目标交通场景中的交通信号灯识别结果。3.根据权利要求2所述的方法，其特征在于，所述根据各所述交通信号灯类别的概率，确定所述目标交通场景中的交通信号灯识别结果，包括：将概率最大的交通信号灯类别确定为所述目标交通场景中的交通信号灯识别结果。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述信号灯分类模型的构建过程包括：根据多种样本场景下的原始图像，确定训练图像；将所述训练图像输入至初始信号灯分类模型中，通过所述初始信号灯分类模型提取所述训练图像的训练细节特征和训练语义特征，将所述训练细节特征和训练语义特征融合得到训练多维复合特征；根据所述训练多维复合特征生成模型训练损失，并基于所述模型训练损失，对所述初始信号灯分类模型进行训练，直至训练完成，得到所述信号灯分类模型。5.根据权利要求4所述的方法，其特征在于，所述根据多种样本场景下的原始图像，确定训练图像，包括：提取所述原始图像中的交通信号灯区域，得到多个交通信号灯图像；从所述多个交通信号灯图像中筛选特征完整的图像，得到至少一个候选训练图像；分别对各所述候选训练图像进行预处理操作，得到所述训练图像。6.根据权利要求5所述的方法，其特征在于，所述分别对各所述候选训练图像进行预处理操作，得到所述训练图像，包括：分别对各所述候选训练图像进行数据增强操作，得到多个增强图像；分别对各所述增强图像进行像素扩展操作，得到所述训练图像。7.根据权利要求4所述的方法，其特征在于，所述将所述训练图像输入至初始信号灯分类模型中，通过所述初始信号灯分类模型提取所述训练图像的训练细节特征和训练语义特...

【专利技术属性】
技术研发人员：张其俊，王亚军，马冰，王邓江，杨哲，
申请(专利权)人：苏州万集车联网技术有限公司，
类型：发明
国别省市：