【技术实现步骤摘要】
一种交通标志识别方法、系统、设备及存储介质
[0001]本专利技术涉及图像处理
,特别是涉及一种交通标志识别方法、系统、设备及存储介质。
技术介绍
[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
,并不必然构成现有技术。
[0003]随着人工智能和计算机技术的迅速发展,机器视觉是实现无人驾驶的一个重要前提,意味着如何让汽车“看到”眼前的世界,无人驾驶的交通标志识别是当中的一个重要领域。无人驾驶车辆的交通标志识别是指利用车载摄像头获取道路场景图像,并识别出图像上的路标和语义,属于无人驾驶判断当前道路指示的重要内容,如何让汽车自动、准确的识别出路标具有重要的研究意义。在图像处理中,图像数据质量是关键的影响因素之一。然而在获取过程中,车载摄像头难免会遇到极端天气或者不可抗拒因素的干扰下会出现不同程度的遮挡,采集图像的质量往往达不到要求,这对后续的数据分析造成诸多不便。
[0004]视频目标检测相对于静态图像目标检测具有一定的优势。由于视频中的图像是连续的,视频中的相邻帧之间存在明显的上下文关系,所以在无法通过视频中的某一帧图像准确追踪目标时,能够根据与当前帧具有时间、空间等上下文关系的其他帧,辅助对当前帧的目标检测。
[0005]中国专利文献CN116259032A公开了一种基于改进YOLOv5的道路交通标志检测与识别算法,实现了自上而下与自下而上的深层与浅层特征的双向融合,显著提升了网络模型的检测性能。但无法应对复杂场景下的交通标志识别。
[0006]中国专利文献CN1 ...
【技术保护点】
【技术特征摘要】
1.一种交通标志识别方法,其特征是,包括:获取待识别的视频;将待识别的视频的所有帧图像,划分为关键帧图像和相邻帧图像;所述关键帧图像是指与前一帧图像的场景不同,但是与后一帧图像的场景相同的帧;所述相邻帧图像,是指当前关键帧图像与前一个关键帧图像之间的图像,和当前关键帧图像与后一个关键帧图像之间的图像;对待识别视频的所有帧图像,输入到训练后的交通标志识别模型中,输出交通标志识别结果;其中,训练后的交通标志识别模型,用于:对待识别视频的所有帧图像进行特征提取,得到所有帧图像的特征图;对所有帧图像的特征图,提取出交通标志候选区域;将关键帧图像的交通标志候选区域和相邻帧图像的交通标志候选区域,进行特征融合,得到融合后的交通标志候选区域;对融合后的交通标志候选区域进行特征图提取,生成融合后的候选区域特征图;对融合后的候选区域特征图进行分类和回归,得到交通标志识别结果。2.如权利要求1所述的一种交通标志识别方法,其特征是,对待识别视频的所有帧图像,输入到训练后的交通标志识别模型中,输出交通标志识别结果;其中,训练后的交通标志识别模型,网络结构包括:依次连接的骨干网络和候选区域生成网络;所述候选区域生成网络的输出端通过第一分支与相似注意力模块的输入端连接,所述第一分支上设有感兴趣区域池化层;感兴趣区域池化层RoI Pooling的输入端与候选区域生成网络的输出端连接,感兴趣区域池化层RoI Pooling的输出端与相似注意力模块的输入端连接;所述候选区域生成网络的输出端通过第二分支与相似注意力模块的输入端连接;所述相似注意力模块的输出端与图卷积神经网络的输入端连接;图卷积神经网络的输出端与第一全连接层的输入端连接;所述第一全连接层的输出端分别与回归器和分类器连接。3.如权利要求2所述的一种交通标志识别方法,其特征是,所述骨干网络,包括:依次连接的第一3*3卷积层、SE层、第一1*1卷积层、加法器、激活函数层和池化层;所述3*3卷积层的输入端还与加法器的输入端连接;所述第一3*3卷积层,采用可变形卷积来实现。4.如权利要求2所述的一种交通标志识别方法,其特征是,所述候选区域生成网络,包括:依次连接的第二3*3卷积层、第二1*1卷积层、第一Reshape层、激活函数层、第二Reshape层和Proposal层;所述第二3*3卷积层的输出端还通过第三1*1卷积层与第二Reshape层的输入端连接。5.如权利要求2所述的一种交通标志识别方法,其特征是,所述相似注意力模块,包括:并列的三个子分支:第一子分支、第二子分支和第三子分支;所述第一子分支,包括:依次连接的池化层P1、第二全连接层和归一化层G1;所述第二子分支,包括:依次连接的第三全连接层和归一化层G2;所述第三子分支,包括:第四全连接层;池化层P1的输入端与感兴趣区域池化层的输出端连接;第三全连接层的输入端和第四全连接层的输入端均与候选区域生成网络的输出端连接;
归一化层G1的输出端和归一化层G2的输出端,均与激活函数层S1的输入端连接;激活函数层S1的输出端与第五全连接层的输入端连接;第四全连接层的输出端与第五全连接层的输入端连接;第五全连接层的输出端是相似注意力...
【专利技术属性】
技术研发人员:吴晓明,尹训嘉,刘祥志,裴加彬,邱文科,
申请(专利权)人:齐鲁工业大学山东省科学院山东山科智能科技有限公司,
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。