本申请涉及一种红绿灯识别方法、装置、电子设备及计算机可读存储介质。该方法包括获取目标红绿灯图像，目标红绿灯图像为包含有待识别红绿灯的图像；将目标红绿灯图像输入至预设的红绿灯识别模型，得到目标红绿灯图像的二值图，其中，预设的红绿灯识别模型为预先训练好的结合了多个残差模块的unet网络模型；对二值图进行外接矩形操作得到待识别红绿灯的外接矩形，基于外接矩形确定所述待识别红绿灯的类别。本申请实施例通过在unet网络中添加多个残差模块，保证目标红绿灯图像在unet网络中传递时，保证图片的不变性和恒等性，提升对远处红绿灯的识别效果。绿灯的识别效果。绿灯的识别效果。
【技术实现步骤摘要】
红绿灯识别方法、装置、电子设备及计算机可读存储介质
[0001]本申请涉及图像处理
，尤其涉及一种红绿灯识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着自动驾驶技术和导航技术的日益成熟，以及城市道路的复杂性，在驾驶车辆时采用导航工具进行导航已经成为驾驶员的驾驶习惯。
[0003]无论是自动驾驶还是驾驶员采用导航工具进行路径导航驾驶，都需要知道前方道路的实时通行情况，便于规划导航路径，因此需要识别道路上的红绿灯状态，确定当前道路是否可以通行，或需要等多久可以通行。在相关的技术方案中，通过车载装置采集路面红绿灯图像，对红绿灯图像进行识别，而对车载装置采集到的红绿灯图像，都会发生一定的形变，特别是针对远处的红绿，无法有效识别红绿灯的亮灯状态，导致无法及时调整导航策略，需要改进。
技术实现思路
[0004]为解决或部分解决相关技术中存在的问题，本申请提供一种红绿灯识别方法、装置、电子设备及计算机可读存储介质，能够同时精确识别近处和远处红绿灯的亮灯状态。
[0005]本申请第一方面提供一种红绿灯识别方法，包括：
[0006]获取目标红绿灯图像，所述目标红绿灯图像为包含有待识别红绿灯的图像；
[0007]将所述目标红绿灯图像输入至预设的红绿灯识别模型，得到所述目标红绿灯图像的二值图，其中，所述预设的红绿灯识别模型为预先训练好的结合了多个残差模块的unet网络模型；
[0008]对所述二值图进行外接矩形操作得到所述待识别红绿灯的外接矩形，基于所述外接矩形确定所述待识别红绿灯的类别。
[0009]作为本申请一种可能的实施方式，在该实施方式中，所述获取目标红绿灯图像后，还包括：
[0010]对所述目标红绿灯图像进行图像分割处理，并对图像分割后的所述目标红绿灯图像中的待识别红绿灯的轮廓进行标注，得到目标输入图像。
[0011]作为本申请一种可能的实施方式，在该实施方式中，所述将所述目标红绿灯图像输入至预设的红绿灯识别模型，得到所述目标红绿灯图像的二值图，包括：
[0012]将所述目标输入图像转化为预设大小的矩阵输入数据；
[0013]对所述矩阵输入数据进行特征提取，得到特征提取图像；
[0014]对所述特征提取图像进行上采样，得到上采样图像；
[0015]将所述特征提取图像与所述上采样图像连接，得到所述待识别红绿灯的二值图。
[0016]作为本申请一种可能的实施方式，在该实施方式中，所述对所述矩阵输入数据进行特征提取，得到特征提取图像，包括：
[0017]采用预设的特征提取模块对所述矩阵输入数据进行第一次特征提取，得到第一特征提取图像，其中，所述特征提取模块包括卷积模块和残差模块；
[0018]采用所述特征提取模块对所述第一特征提取图进行第二次特征提取，得到第二特征提取图像；
[0019]采用所述特征提取模块对所述第二特征提取图进行第三次特征提取，得到第三特征提取图像。
[0020]作为本申请一种可能的实施方式，在该实施方式中，所述对所述特征提取图像进行上采样，得到上采样图像，包括：
[0021]对所述第三特征提取图像进行第一次上采样，得到第一上采样中间图像，将所述第三特征提取图像经过通道拼接模块后，与所述第一上采样中间图像连接，得到第一上采样图像；
[0022]对所述第一上采样图像进行第二次上采样，得到第二上采样中间图像，将所述第二特征提取图像经过通道拼接模块后，与所述第二上采样中间图像连接，得到第二上采样图像；
[0023]对所述第二上采样图像进行第三次上采样，得到第三上采样中间图像，将所述第一特征提取图像经过通道拼接模块后，与所述第三上采样中间图像连接，得到第三上采样图像。
[0024]作为本申请一种可能的实施方式，在该实施方式中，所述将所述特征提取图像与所述上采样图像连接，得到所述待识别红绿灯的二值图，包括：
[0025]将所述第三上采样图像进行第四次上采样，得到第四上采样图像；
[0026]将所述矩阵输入数据经过通道拼接模块后，与所述第四上采样图像连接，得到待识别红绿灯的二值图。
[0027]作为本申请一种可能的实施方式，在该实施方式中，所述对所述二值图进行外接矩形操作得到所述待识别红绿灯的外接矩形，包括：
[0028]采用预设的角点识别模型识别所述二值图中的多个角点；
[0029]基于所述多个角点，进行外接矩形操作，得到所述待识别红绿灯的外接矩形。
[0030]本申请第二方面提供一种红绿灯识别装置，包括：
[0031]图像获取模块，用于获取目标红绿灯图像，所述目标红绿灯图像为包含有待识别红绿灯的图像；
[0032]二值图确定模块，用于将所述目标红绿灯图像输入至预设的红绿灯识别模型，得到所述目标红绿灯图像的二值图，其中，所述预设的红绿灯识别模型为预先训练好的结合了多个残差模块的unet网络模型；
[0033]类别识别模块，用于对所述二值图进行外接矩形操作得到所述待识别红绿灯的外接矩形，基于所述外接矩形确定所述待识别红绿灯的类别。
[0034]本申请第三方面提供一种电子设备，包括：
[0035]处理器；以及
[0036]存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
[0037]本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述
可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
[0038]本申请实施例通过结合了残差模块的unet网络模型对目标红绿灯图像进行识别，得到模型识别结果，再对模型识别结果进行外接矩形操作，得到待识别红绿灯的外接矩形，基于外接矩形确定待识别红绿灯的亮灯状态。通过在unet网络中添加多个残差模块，保证目标红绿灯图像在unet网络中传递时，保证图片的不变性和恒等性，提升对远处红绿灯的识别效果。
[0039]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0040]通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
[0041]图1是本申请实施例示出的一种红绿灯识别方法的流程示意图；
[0042]图2是本申请实施例示出的一种红绿灯识别模型的结构示意图；
[0043]图3是本申请实施例示出的一种确定二值图的方法的流程示意图；
[0044]图4是本申请实施例示出的一种特征提取方法的流程示意图；
[0045]图5是本申请实施例示出的一种上采样方法的流程示意图；
[0046]图6是本申请实施例示出的一种图形连接方法的流程示意图；
[0047]图7是本申请实施例示出的一种外接矩形方法的流程本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种红绿灯识别方法，其特征在于，包括：获取目标红绿灯图像，所述目标红绿灯图像为包含有待识别红绿灯的图像；将所述目标红绿灯图像输入至预设的红绿灯识别模型，得到所述目标红绿灯图像的二值图，其中，所述预设的红绿灯识别模型为预先训练好的结合了多个残差模块的unet网络模型；对所述二值图进行外接矩形操作得到所述待识别红绿灯的外接矩形，基于所述外接矩形确定所述待识别红绿灯的类别。2.根据权利要求1所述的红绿灯识别方法，其特征在于，所述获取目标红绿灯图像后，还包括：对所述目标红绿灯图像进行图像分割处理，并对图像分割后的所述目标红绿灯图像中的待识别红绿灯的轮廓进行标注，得到目标输入图像。3.根据权利要求2所述的红绿灯识别方法，其特征在于，所述将所述目标红绿灯图像输入至预设的红绿灯识别模型，得到所述目标红绿灯图像的二值图，包括：将所述目标输入图像转化为预设大小的矩阵输入数据；对所述矩阵输入数据进行特征提取，得到特征提取图像；对所述特征提取图像进行上采样，得到上采样图像；将所述特征提取图像与所述上采样图像连接，得到所述待识别红绿灯的二值图。4.根据权利要求3所述的红绿灯识别方法，其特征在于，所述对所述矩阵输入数据进行特征提取，得到特征提取图像，包括：采用预设的特征提取模块对所述矩阵输入数据进行第一次特征提取，得到第一特征提取图像，其中，所述特征提取模块包括卷积模块和残差模块；采用所述特征提取模块对所述第一特征提取图进行第二次特征提取，得到第二特征提取图像；采用所述特征提取模块对所述第二特征提取图进行第三次特征提取，得到第三特征提取图像。5.根据权利要求4所述的红绿灯识别方法，其特征在于，所述对所述特征提取图像进行上采样，得到上采样图像，包括：对所述第三特征提取图像进行第一次上采样，得到第一上采样中间图像，将所述第三特征提取图像经过通道拼接模块后，与所述第一上采样中间图像连接，得到第一上采样图像；对所述第一上采样图像进行...
【专利技术属性】
技术研发人员：李宁，贾双成，朱磊，郭杏荣，
申请(专利权)人：智道网联科技北京有限公司，
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。