System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像识别,特别是涉及一种交通指示牌的识别方法、终端设备以及存储介质。
技术介绍
1、在自动驾驶或辅助驾驶的场景中,车辆需要使用交通指示牌识别算法,准确识别出交通指示牌的指示内容,以使车辆安全且符合交通法规行驶。
2、部分类别的交通指示牌,例如限速、限高、限宽、限重、限轴重、解除限速和最低限速等交通指示牌,常见的交通指示牌识别算法难以直接通过交通指示牌的类别就确定交通牌的具体含义,因为这些含有数字、字符或图案的交通指示牌的外形和结构几乎一致,表示的具体内容却不同。如何准确地识别出交通指示牌,是一个亟需解决的问题。
3、目前一种典型的交通指示牌的识别算法主要基于深度学习的方式进行,该方法需要实现获取大量交通指示牌的样本数据进行训练。在实际场景中,可能某些类别的交通指示牌数量较少,导致训练得到的识别网络难以对该类别的交通指示牌进行准确识别。
技术实现思路
1、本申请提供一种交通指示牌的识别方法、终端设备以及存储介质。
2、本申请采用的一个技术方案是提供一种交通指示牌的识别方法,该交通指示牌的识别方法包括:
3、从当前图像帧中,获取至少一个包含待测交通指示牌的图像区域;
4、将图像区域输入至交通指示牌识别网络,得到待测交通指示牌的标志类别结果以及语义识别结果,标志类别结果用于表征交通指示牌的类别;
5、基于标志类别结果以及语义识别结果,确定初步识别结果;
6、基于历史图像帧中同一待测交通指示牌的历
7、交通指示牌识别网络由第一骨干网络和多头网络依次连接得到,多头网络包括检测网络和识别网络,
8、将图像区域输入至交通指示牌识别网络,得到待测交通指示牌的标志类别结果以及语义识别结果,包括:
9、将图像区域输入至第一骨干网络进行特征提取,得到第一初始特征图;
10、将第一初始特征图输入至检测网络,得到标志类别结果,以及,将第一初始特征图输入至识别网络,得到语义识别结果。
11、可选地,检测网络由第一卷积网络和全连接网络依次连接得到,
12、识别网络由第二卷积网络和循环神经网络依次连接得到,
13、将第一初始特征图输入至检测网络,得到标志类别结果,包括:
14、将第一初始特征图输入至第一卷积网络进行特征提取,得到第一特征图;
15、将第一特征图输入至全连接网络,得到标志类别结果;
16、将第一初始特征图输入至识别网络,得到语义识别结果,包括:
17、将第一初始特征图输入至第二卷积网络进行特征提取,得到第二特征图;
18、将第二特征图输入至循环神经网络进行特征提取,得到语义识别结果。
19、可选地,识别网络只用于识别待测交通指示牌的语义信息。
20、可选地,从当前图像帧中,获取至少一个包含待测交通指示牌的图像区域,包括:
21、将当前图像帧输入至交通指示牌检测网络进行检测,得到至少一个待测交通指示牌对应的当前检测框;
22、利用历史图像帧中同一待测交通指示牌对应的历史检测框的位置和大小,对当前检测框进行调整,得到调整后的当前检测框;
23、基于调整后的当前检测框,从当前图像帧中获取图像区域。
24、可选地,交通指示牌检测网络由第二骨干网络,瓶颈网络和检测头依次连接得到,
25、当前图像帧输入至交通指示牌检测网络进行检测,得到至少一个待测交通指示牌对应的当前检测框,包括:
26、将当前图像帧输入至第二骨干网络进行特征提取,得到第二初始特征图;
27、将第二初始特征图输入至瓶颈网络进行特征融合,得到融合特征图;
28、将融合特征图输入至检测头,得到检测结果;
29、基于检测结果,得到当前检测框。
30、可选地,第二骨干网络至少包括依次连接的第三卷积网络和第四卷积网络;将当前图像帧输入至第二骨干网络进行特征提取,得到第二初始特征图,包括:
31、将当前图像帧输入至第三卷积网络进行特征提取,得到第三特征图,第三特征图的尺寸为第一尺寸;
32、将第三特征图输入至第四卷积网络进行特征提取,得到第四特征图,第四特征图的尺寸为第二尺寸,其中,第二尺寸小于第一尺寸;
33、将第三特征图和第四特征图分别作为第二初始特征图。
34、可选地,瓶颈网络包括依次连接的上采样层、特征拼接层、卷积层、bn层和激活层;
35、将第二初始特征图输入至瓶颈网络进行特征融合,得到融合特征图,包括:
36、将第四特征图输入至上采样层进行上采样操作,得到第五特征图,第五特征图的尺寸为第一尺寸;
37、将第五特征图和第四特征图输入至特征拼接层进行特征融合,得到第六特征图;
38、将第六特征图输入至卷积层进行特征提取,得到第七特征图;
39、将第七特征图输入至bn层进行归一化操作,得到第八特征图;
40、将第八特征图输入至激活层进行映射操作,得到融合特征图。
41、本申请采用的另一个技术方案是提供一种终端设备,所述终端设备包括存储器以及与所述存储器连接的处理器;
42、其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现如上述的交通指示牌的识别方法。
43、本申请采用的另一个技术方案是提供一种计算机存储介质,所述计算机存储介质用于存储程序数据,所述程序数据在被计算机执行时,用以实现如上述的交通指示牌的识别方法。
44、本申请的有益效果是:从当前图像帧中,获取至少一个包含待测交通指示牌的图像区域;将图像区域输入至交通指示牌识别网络,得到待测交通指示牌的标志类别结果以及语义识别结果,标志类别结果用于表征交通指示牌的类别;基于标志类别结果以及语义识别结果,确定初步识别结果;基于历史图像帧中同一待测交通指示牌的历史识别结果,对初步识别结果进行矫正,得到当前图像帧中的待测交通指示牌的最终识别结果。本申请提供的交通指示牌的识别方法,针对类别相同、内容不同的交通指示牌,参照驾驶者对交通指示牌的识别方式,将交通指示牌的识别分为了标志类别识别以及指示牌内容的语义识别,基于标志类别结果和语义识别结果,确定交通指示牌的内容,提升对交通指示牌的识别准确性。
45、进一步地,考虑到初步识别结果可能存在错误识别,本申请提供的交通指示牌的识别方法,利用历史图像帧的同一待测交通指示牌的历史识别结果,对当前图像帧的初步识别结果进行矫正,使得识别结果更准确。
本文档来自技高网...【技术保护点】
1.一种交通指示牌的识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求2所述的方法,其特征在于,
4.根据权利要求2所述的方法,其特征在于,
5.根据权利要求1所述的方法,其特征在于,
6.根据权利要求5所述的方法,其特征在于,所述交通指示牌检测网络由第二骨干网络,瓶颈网络和检测头依次连接得到,
7.根据权利要求6所述的方法,其特征在于,
8.根据权利要求7所述的方法,其特征在于,
9.一种终端设备,其特征在于,所述终端设备包括处理器、与所述处理器连接的存储器,其中,
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序指令,所述程序指令被执行时实现如权利要求1至8任一项所述的方法。
【技术特征摘要】
1.一种交通指示牌的识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求2所述的方法,其特征在于,
4.根据权利要求2所述的方法,其特征在于,
5.根据权利要求1所述的方法,其特征在于,
6.根据权利要求5所述的方法,其特征在于,所述交通指示牌检测网络由第二骨干网络,瓶颈网...
【专利技术属性】
技术研发人员:李颖,王耀农,
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:
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。