交通标志检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及目标检测领域，尤其涉及一种交通标志检测方法、装置、设备及存储介质，该方法包括：获取不同天气条件下交通标志并对不同天气条件下交通标志进行分类，得到分类后的不同天气条件下交通标志；分别对所述分类后的不同天气条件下交通标志中所述雾天条件下交通标志和所述雨雪天气条件下交通标志进行处理，得到目标交通标志集合；构建交通标志检测模型，并根据所述目标交通标志集合对所述交通标志检测模型进行训练得到目标交通标志检测模型；将当前待检测交通标志输入至目标交通标志检测模型，得到交通标志检测结果，从而实现实时性与准确性兼顾的交通标志检测。性与准确性兼顾的交通标志检测。性与准确性兼顾的交通标志检测。

【技术实现步骤摘要】
交通标志检测方法、装置、设备及存储介质


[0001]本专利技术涉及目标检测领域，尤其涉及一种交通标志检测方法、装置、设备及存储介质。

技术介绍

[0002]交通标志检测是计算机视觉应用于道路交通领域的重要研究方向，也是无人驾驶系统的基础，交通标志检测结果的实时性、准确性与驾驶人员的人身安全息息相关，受光照、距离等环境因素的影响，交通标志检测难度高于一般目标检测，所以，然后进行实时性与准确性兼顾的交通标志检测对驾驶安全至关重要；
[0003]交通标志检测有传统方法和基于深度学习的方法两种方法；一是通过交通标志的颜色、形状等明显特征信息检测出交通标志；二是先对已检测出的交通标志特征提取，再具体进行分类识别。由于颜色特征和形状特征极不稳定，易受到外界条件干扰，例如光照条件、雨雾天气等，所以检测和识别效果差强人意。国内外众多研究人员进行了大量的实验研究，但应用到智能驾驶中仍很困难。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本专利技术的主要目的在于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通标志检测方法，其特征在于，所述方法包括以下步骤：获取不同天气条件下交通标志并对所述不同天气条件下交通标志进行分类，得到分类后的不同天气条件下交通标志，其中分类后的不同天气条件下交通标志至少包括：雾天条件下交通标志和雨雪天气条件下交通标志；分别对所述分类后的不同天气条件下交通标志中所述雾天条件下交通标志和所述雨雪天气条件下交通标志进行处理，得到目标交通标志集合；构建交通标志检测模型，并根据所述目标交通标志集合对所述交通标志检测模型进行训练得到目标交通标志检测模型，其中交通标志检测模型为基于YOLOv5网络进行改进，包括主干网络加入ECA注意力机制模块、特征融合网络改为BiFPN结构以及将损失函数改为SIoU损失函数；将当前待检测交通标志输入至目标交通标志检测模型，得到交通标志检测结果。2.如权利要求1所述的方法，其特征在于，所述分别对所述分类后的不同天气条件下交通标志中所述雾天条件下交通标志和所述雨雪天气条件下交通标志进行处理，得到目标交通标志集合，包括：将所述雾天条件下交通标志输入至FFA
‑
Net网络进行去雾处理，得到去雾后的交通标志；将所述雨雪天气条件下交通标志输入至MPR
‑
Net网络进行去雨雪处理，得到去雨雪后的交通标志；根据所述去雾后的交通标志、去雨雪后的交通标志以及原始的交通标志，得到目标交通标志集合。3.如权利要求2所述的方法，其特征在于，所述将所述雾天条件下交通标志输入至FFA
‑
Net网络进行去雾处理，得到去雾后的交通标志，包括：将所述雾天条件下交通标志通过卷积层进行浅层特征提取，得到雾天条件下交通标志特征；将所述雾天条件下交通标志特征输入多个具有多跳连接的群结构得到多个特征并通过特征注意模块进行融合，得到融合后的雾天条件下交通标志特征；将所述融合后的雾天条件下交通标志特征传递至重构部分和全局残差学习结构，得到去雾后的交通标志。4.如权利要求2所述的方法，其特征在于，所述将所述雨雪天气条件下交通标志输入至MPR
‑
Net网络进行去雨雪处理，得到去雨雪后的交通标志，包括：将所述雨雪天气条件下交通标志通过编码解码器学习，得到多尺度上下文特征；通过有监督的注意力模块对所述多尺度上下文特征进行特征细化，并通过跨阶段特征融合机制对所述细化后的多尺度上下文特征进行融合，得到融合细化后的多尺度上下文特征；对原始原始图像分辨率进行操作保留精细的空间细节，并根据所述保留的精细的空间细节和所述融合细化后的多尺度上下文特征，得到去雨雪后的交通标志。5.如权利要求1中所述的方法，其特征在于，所述将当前待检测交通标志输入至目标交通标志检测模型，得到交通标志检测...

【专利技术属性】
技术研发人员：白旭祥，张小庆，肖海洋，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：