交通信号灯识别方法、电子设备及存储介质技术

本申请公开了一种交通信号灯识别方法、电子设备及存储介质，交通信号灯识别方法包括：获取当前帧道路图像，并对当前帧道路图像进行信号灯检测；响应于当前检测结果满足预设要求，对当前帧道路图像进行信号识别，得到当前帧道路图像对应的交通信号结果；或响应于当前信号灯检测结果不满足预设要求，对当前帧道路图像进行车道指示牌检测，得到指示牌检测结果；基于指示牌检测结果确定下一帧道路图像中的感兴趣区域，并根据感兴趣区域对下一帧道路图像进行信号灯检测，得到下一信号灯检测结果；响应于下一信号灯检测结果满足第一预设要求，对下一帧道路图像进行信号识别，得到下一帧道路图像对应的交通信号结果。上述方式可以实现对信号灯识别。实现对信号灯识别。实现对信号灯识别。

【技术实现步骤摘要】
交通信号灯识别方法、电子设备及存储介质


[0001]本申请涉及交通信号灯识别
，特别是一种交通信号灯识别方法、电子设备及存储介质。

技术介绍

[0002]在自动驾驶领域，能否准确识别交通信号灯的状态是决定自动驾驶汽车安全问题的关键，即自动进行交通信号灯识别在自动驾驶领域起着关键作用。
[0003]但是目前的交通信号灯检测方法要么依赖于高精度地图，要么需要对道路图像进行复杂的图像处理，效率较低、依赖性较强。

技术实现思路

[0004]本申请提供一种交通信号灯识别方法、电子设备及存储介质，该交通信号灯识别方法在当前帧道路图像满足预设条件时，能够准确识别交通信号结果，并在当前帧道路图像不满足预设条件时，通过指示牌检测的方式，在指示牌满足条件时，确定出范围较小的感兴趣区域，以此根据感兴趣区域对下一帧道路图像进行信号灯检测，减小图像识别的区域，提升识别效率。
[0005]为了解决上述技术问题，本申请采用的一个技术方案是：提供一种交通信号灯识别方法，该方法包括：获取当前帧道路图像，并对当前帧道路图像进行信号灯检测；响应于当前检测结果满足第一预设要求，对当前帧道路图像进行信号识别，得到当前帧道路图像对应的交通信号结果；或，响应于当前信号灯检测结果不满足第一预设要求，对当前帧道路图像进行车道指示牌检测，得到指示牌检测结果；以及基于指示牌检测结果确定下一帧道路图像中的感兴趣区域，并根据感兴趣区域对下一帧道路图像进行信号灯检测，得到下一信号灯检测结果；响应于下一信号灯检测结果满足第一预设要求，对下一帧道路图像进行信号识别，得到下一帧道路图像对应的交通信号结果。
[0006]其中，对当前帧道路图像进行信号灯检测，包括：利用检测模型对当前帧道路图像进行信号灯检测，得到当前检测结果，其中当前检测结果包括信号灯置信度。
[0007]其中，响应于当前检测结果满足第一预设要求，对当前帧道路图像进行信号识别，得到当前帧道路图像对应的交通信号结果，包括：响应于信号灯置信度满足第一预设要求，从当前帧道路图像中确定出信号灯区域图像；对信号灯区域图像进行信号识别，得到当前帧道路图像对应的交通信号结果。
[0008]其中，对信号灯区域图像进行信号识别，得到当前帧道路图像对应的交通信号结果，包括：利用方向识别模型对信号灯区域图像进行识别，得到对应的信号灯方向；利用与信号灯方向对应的信号识别模型对信号灯区域图像进行信号识别，得到当前帧道路图像对应的交通信号结果。
[0009]其中，信号识别模型包括编码网络、解码网络和输出网络，利用与信号灯方向对应的识别模型对信号灯区域图像进行信号识别，得到当前帧道路图像对应的交通信号结果，
包括：利用编码网络对信号灯区域图像进行编码，得到对应的编码特征；利用解码网络对编码特征进行解码，得到对应的解码特征；利用输出网络对解码特征进行识别，得到当前帧道路图像对应的交通信号结果。
[0010]其中，编码网络包括顺次若干编码块，每个编码块包括残差块、多头注意力层、卷积层和池化层，其中，在多头注意力层中，不同通道对不同位置的依赖权重不同。
[0011]其中，检测模型和信号识别模型采用道路训练图像训练得到，其中道路训练图像的标签采用二维数组的形式构成，其中二维数组第一列包括红色信号、黄色信号和绿色信号，二维数组第一行包括掉头信号、左转信号、直行信号、右转信号、圆饼信号和数字信号。
[0012]其中，基于指示牌检测结果确定下一帧道路图像中的感兴趣区域，包括：响应于指示牌检测结果满足第二预设要求，确定下一帧道路图像中的感兴趣区域；其中感兴趣区域是对当前帧图像中的指示牌区域外扩得到。
[0013]其中，下一帧道路图像为当前帧道路图像预设间隔后的道路图像。
[0014]为了解决上述技术问题，本申请采用的另一技术方案是：提供一种电子设备，该电子设备包括存储器和处理器，其中，存储器用于存储计算机程序，处理器用于执行计算机程序以实现上述的交通信号灯识别方法。
[0015]为了解决上述技术问题，本申请采用的另一技术方案是：提供一种计算机可读储存介质，该计算机可读储存介质用于存储计算机程序，计算机程序在被处理器执行时用于实现上述的交通信号灯识别方法。
[0016]本申请的有益效果是：区别于现有技术，本申请提供的交通信号灯识别方法在当前帧道路图像满足预设条件时，能够准确识别交通信号结果，并在当前帧道路图像不满足预设条件时，通过指示牌检测的方式，在指示牌满足条件时，确定出范围较小的感兴趣区域，以此根据感兴趣区域对下一帧道路图像进行信号灯检测，减小图像识别的区域，提升识别效率。
附图说明
[0017]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0018]图1是本申请提供的交通信号灯识别方法第一实施例的流程示意图；
[0019]图2是本申请提供的信号灯检测模型一实施例的示意图；
[0020]图3是本申请提供的道路图像间关系一实施例的示意图；
[0021]图4是本申请提供的交通信号灯识别方法第二实施例的流程示意图；
[0022]图5是本申请提供的信号识别模型一实施例的示意图；
[0023]图6是本申请提供的多头注意力层一实施例的示意图；
[0024]图7是本申请提供的电子设备一实施例的结构示意图；
[0025]图8是本申请提供的计算机可读储存介质一实施例的结构示意图。
Detection)目标检测算法，FCOS是一个基于per
‑
pixel、anchor free的one
‑
stage目标检测算法，可以通过回归特征图上每个位置距离目标框的上下左右距离来实现目标检测。信号灯检测模型的骨干层是resnet50，瓶颈层是FPN(Feature Pyramid Networks，特征金字塔)，预测层由classification(分类)分支与regression(回归)分支这两个分支构成，其中classification分支输出分类导向牌和交通信号灯这2个目标类，regression分支输出4通道，即采用类别未知的回归形式。
[0036]为了避免引起交通信号灯(LED灯)因为频闪引起的采集的图像中存在全暗灯组，本申请可以采用动态取帧的方式获取当前帧道路图像。所谓的动态取帧指的是下一帧道路图像为当前帧道路图像预设间隔后的道路图像，其中预设间隔可以是1、2、3或其他，且预设间隔可以是随机的。
[0037]如，预设间隔固定为1，当前帧道路图像是第1帧，下一帧道路图像是第3帧，再下一帧道路图像是第5帧。
[0038]如，当前帧道路图像是第10帧，下一帧道路图像是第15帧，再下一帧道路图像是第17帧。
[0039]在一些实施例中，在数据本文档来自技高网...

【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：获取当前帧道路图像，并对所述当前帧道路图像进行信号灯检测；响应于当前检测结果满足第一预设要求，对所述当前帧道路图像进行信号识别，得到所述当前帧道路图像对应的交通信号结果；或，响应于所述当前信号灯检测结果不满足第一预设要求，对所述当前帧道路图像进行车道指示牌检测，得到指示牌检测结果；以及基于所述指示牌检测结果确定下一帧道路图像中的感兴趣区域，并根据所述感兴趣区域对所述下一帧道路图像进行信号灯检测，得到下一信号灯检测结果；响应于所述下一信号灯检测结果满足所述第一预设要求，对所述下一帧道路图像进行信号识别，得到所述下一帧道路图像对应的交通信号结果。2.根据权利要求1所述的方法，其特征在于，所述对所述当前帧道路图像进行信号灯检测，包括：利用检测模型对所述当前帧道路图像进行信号灯检测，得到所述当前检测结果，其中，所述当前检测结果包括信号灯置信度；所述响应于当前检测结果满足第一预设要求，对所述当前帧道路图像进行信号识别，得到所述当前帧道路图像对应的交通信号结果，包括：响应于所述信号灯置信度满足第一预设要求，从所述当前帧道路图像中确定出信号灯区域图像；对所述信号灯区域图像进行信号识别，得到所述当前帧道路图像对应的交通信号结果。3.根据权利要求2所述的方法，其特征在于，所述对所述信号灯区域图像进行信号识别，得到所述当前帧道路图像对应的交通信号结果，包括：利用方向识别模型对所述信号灯区域图像进行识别，得到对应的信号灯方向；利用与所述信号灯方向对应的信号识别模型对所述信号灯区域图像进行信号识别，得到所述当前帧道路图像对应的交通信号结果。4.根据权利要求3所述的方法，其特征在于，所述信号识别模型包括编码网络、解码网络和输出网络，所述利用与所述信号灯方向对应的识别模...

【专利技术属性】
技术研发人员：王芬芬，谢钱昆，
申请(专利权)人：浙江零跑科技股份有限公司，
类型：发明
国别省市：