一种交通标志检测方法技术

本发明专利技术公开了交通标志检测技术领域的一种交通标志检测方法

【技术实现步骤摘要】
一种交通标志检测方法、装置、电子终端及存储介质


[0001]本专利技术涉及交通标志检测
，尤其涉及一种交通标志检测方法
、
装置
、
电子终端及存储介质
。

技术介绍

[0002]由于交通标志中含有许多重要的交通信息，如对当前行车的速度提示
、
前方道路状况的变化
、
驾驶员行为制约，因此在该辅助装置中，如何提前快速
、
准确
、
有效地识别出道路中的交通标志并将之反馈给驾驶人员或控制装置，提高识别检测效率，对于保证驾驶安全，避免交通事故的发生具有十分重要的研究意义
。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的不足，提供一种交通标志检测方法
、
装置
、
电子终端及存储介质，能够提高交通标志检测效率
。
[0004]为达到上述目的，本专利技术是采用下述技术方案实现的：第一方面，本专利技术提供了一种交通标志检测方法，包括：采集待检测的目标图像；对所述目标图像进行图像预处理；对预处理后的目标图像进行特征提取，获取特征图；将所述特征图输入至训练好的
Faster R
‑
CNN
网络模型中，获取所述目标图像中的交通标志检测结果；其中，所述
Faster R
‑
CNN
网络模型采用训练样本集通过多任务训练获取；所述训练样本集中包含多张从样本集中随机筛选的样本图像；所述样本图像通过对所采集的原始道路图像进行图像预处理及特征提取后获取
。
[0005]结合第一方面，进一步的，所述图像预处理包括：对待处理图像进行裁剪获取目标区域图像；将所述目标区域图像缩放至指定大小；对缩放后的目标区域图像进行对比度增强处理
。
[0006]结合第一方面，进一步的，当待处理图像为原始道路图像，且所述原始道路图像中包含
RGB
颜色空间的交通标志图像时，所述图像预处理还包括：对
RGB 颜色空间的交通标志图像进行
HSV 颜色空间转换
。
[0007]结合第一方面，进一步的，所述交通标志图像包括交通指路牌
、
高速标志牌
、
指示牌标志牌
、
禁令标志牌和警告标志牌
。
[0008]结合第一方面，进一步的，所述交通标志检测结果包括文字交通标志的类别，所述文字交通标志的类别包括：目标地点导向标志
、
车道区分标志和提示语标志；所述目标地点导向标志对应的关键字集包含地点名称；所述车道区分标志对应的关键字集包含车道区分文字；所述提示语标志对应的关键字集包含提示语文字
。
[0009]第二方面，本专利技术提供一种交通标志检测装置，包括：采集模块：用于采集待检测的目标图像；预处理模块：用于对所述目标图像进行图像预处理；特征提取模块：用于对预处理后的目标图像进行特征提取，获取特征图；检测结果获取模块：用于将所述特征图输入至训练好的
Faster R
‑
CNN
网络模型中，获取所述目标图像中的交通标志检测结果；其中，所述
Faster R
‑
CNN
网络模型采用训练样本集通过多任务训练获取；所述训练样本集中包含多张从样本集中随机筛选的样本图像；所述样本图像通过对所采集的原始道路图像进行图像预处理及特征提取后获取
。
[0010]第三方面，本专利技术提供了一种电子终端，包括：处理器与所述处理器连接的存储器，在所述存储器内存储有计算机程序，当所述计算机程序被所述处理器执行时，执行前述所述方法的步骤
。
[0011]第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述所述方法的步骤
。
[0012]与现有技术相比，本专利技术所达到的有益效果：对所采集的目标图像进行图像预处理及特征提取后输入至训练好的
Faster R
‑
CNN
网络模型中，获取所述目标图像中的交通标志检测结果，能够提高交通标志检测的准确性；通过采用
Faster
‑ꢀ
R
‑ꢀ
CNN
网络，其相比于浅层学习分类器，具有更高的学习效率和识别精度；对
RGB 颜色空间的交通标志图像进行
HSV 颜色空间转换并将转换后的
HSV 颜色空间也作为
Faster
‑ꢀ
R
‑ꢀ
CNN
网络的训练样本，克服了因训练样本少带来的模型欠学习问题，从而提高了检测效率和准确率
。
附图说明
[0013]图 1 为本专利技术实施例提供的一种交通标志检测方法的流程图
。
实施方式
[0014]下面通过附图以及具体实施例对本专利技术技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合
。
[0015]本文中术语“和
/
或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，
A
和
/
或
B
，可以表示：单独存在
A
，同时存在
A
和
B
，单独存在
B
这三种情况
。
另外，本文中字符
"/"
，一般表示前后关联对象是一种“或”的关系
。
实施例一
：
[0016]图1是本专利技术实施例一中的交通标志检测方法的流程图
。
本流程图仅仅示出了本实施例所述方法的逻辑顺序，在互不冲突的前提下，在本专利技术其它可能的实施例中，可以以不同于图1所示的顺序完成所示出或描述的步骤
。
[0017]本实施例提供的交通标志检测方法可应用于终端，可以由交通标志检测装置来执行，该装置可以由软件和
/
或硬件的方式实现，该装置可以集成在终端中，例如：任一具备通信功能的智能手机，平板电脑或计算机设备
。
参见图1，本实施的方法具体包括如下步骤：步骤一：采集待检测的目标图像；通过车载拍摄装置实时记录道路之间的相关交通视频信息，根据实际需要选用车载拍摄装置拍摄的设定视频分辨率的视频图像；对被选用的视频图像进行处理，得到一个图像集合序列，从中筛选获取出现的路面交通标志，再根据高频出现的路面交通标志制作样本集
。
[0018]步骤二：对所述目标图像进行预处理；对样本集中的待处理图像进行裁剪获取目标区域图像，当待处理图像为原始道路图像，且所述原始道路图像中包含
RGB
颜色空间的交通标志图本文档来自技高网...

【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，包括：采集待检测的目标图像；对所述目标图像进行图像预处理；对预处理后的目标图像进行特征提取，获取特征图；将所述特征图输入至训练好的
Faster R
‑
CNN
网络模型中，获取所述目标图像中的交通标志检测结果；其中，所述
Faster R
‑
CNN
网络模型采用训练样本集通过多任务训练获取；所述训练样本集中包含多张从样本集中随机筛选的样本图像；所述样本图像通过对所采集的原始道路图像进行图像预处理及特征提取后获取
。2.
根据权利要求1所述的交通标志检测方法，其特征在于，所述图像预处理包括：对待处理图像进行裁剪获取目标区域图像；将所述目标区域图像缩放至指定大小；对缩放后的目标区域图像进行对比度增强处理
。3.
根据权利要求2所述的交通标志检测方法，其特征在于，当待处理图像为原始道路图像，且所述原始道路图像中包含
RGB
颜色空间的交通标志图像时，所述图像预处理还包括：对
RGB
颜色空间的交通标志图像进行
HSV
颜色空间转换
。4.
根据权利要求3所述的交通标志检测方法，其特征在于，所述交通标志图像包括交通指路牌
、
高速标志牌
、
指示牌标志牌
、
禁令标志牌和警告标志牌
。5.<...

【专利技术属性】
技术研发人员：孔钦，王俊，杨少奇，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：