【技术实现步骤摘要】
本专利技术涉及交通限速，具体而言，涉及一种交通道路限速方法、装置、设备及可读存储介质。
技术介绍
1、随着智能交通系统的发展，道路限速检测系统在智能驾驶中有着比较重要的作用。限速牌能够指示车辆和驾驶员正确、安全的驾驶。然而由于道路限速牌会收到各种外界因素，摆放位置、部分遮挡、雨雪天气等问题给限速检测系统带来了困难。同时由于多数汽车的算力成本等考虑，需要道路限速检测系统检测的准确而又快速，同时不能消耗太多的计算资源。
技术实现思路
1、本专利技术的目的在于提供一种交通道路限速方法、装置、设备及可读存储介质，以改善上述问题。
2、为了实现上述目的，本申请实施例提供了如下技术方案：
3、一方面，本申请实施例提供了一种交通道路限速方法，所述方法包括：
4、获取图像集；
5、对所述图像集中的每一张图像进行标注，形成训练样本；对yolov8模型进行改进，改进后利用所述训练样本对其进行训练，得到训练好的模型；
6、将待检测图像输入所述训练好的模型中，得到待检测图像中目标对象的类别；获取当前的gps道路限速信息；
7、根据待检测图像中目标对象的类别和当前的gps道路限速信息确定最终的限速信息，利用最终的限速信息提示用户限速。
8、优选的，对所述图像集中的每一张图像进行标注，形成训练样本，包括：
9、对所述图像集中的每一张图像进行图像增强处理，得到增强后的图像；
10、对增强后的图像进行标注，
11、优选的，对yolov8模型进行改进，改进后利用所述训练样本对其进行训练，得到训练好的模型，包括：
12、对yolov8模型进行改进，将yolov8的主干特征网络替换为fasternet，同时将yolov8的loss加入nwd loss，得到改进后的yolov8模型；
13、利用所述训练样本对所述改进后的yolov8模型进行训练得到训练好的模型。
14、优选的，根据待检测图像中目标对象的类别和当前的gps道路限速信息确定最终的限速信息，包括：
15、将待检测图像中目标对象的类别和当前的gps道路限速信息进行对比，若待检测图像中目标对象的类别和当前的gps道路限速信息相同，则将当前的gps道路限速信息作为最终的限速信息；反之则获取与待检测图像中目标对象的类别同时输出的置信度分数，将所述置信度分数与待检测图像中目标对象的类别相乘，得到第一计算结果，同时将当前的gps道路限速信息与gps的信号强度相乘，得到第二计算结果；将第一计算结果与第二计算结果进行对比分析，将其中的最大值对应的限速信息作为最终的限速信息。
16、第二方面，本申请实施例提供了一种交通道路限速装置，所述装置包括获取模块、训练模块、第一计算模块和第二计算模块。
17、获取模块，用于获取图像集；
18、训练模块，用于对所述图像集中的每一张图像进行标注，形成训练样本；对yolov8模型进行改进，改进后利用所述训练样本对其进行训练，得到训练好的模型；
19、第一计算模块，用于将待检测图像输入所述训练好的模型中，得到待检测图像中目标对象的类别；获取当前的gps道路限速信息；
20、第二计算模块，用于根据待检测图像中目标对象的类别和当前的gps道路限速信息确定最终的限速信息，利用最终的限速信息提示用户限速。
21、优选的，训练模块，包括：
22、增强单元，用于对所述图像集中的每一张图像进行图像增强处理，得到增强后的图像；
23、标注单元，用于对增强后的图像进行标注，标注目标对象的位置和类别，标注后形成训练样本，所述目标对象为限速牌，所述类别为所述限速牌对应的限速信息。
24、优选的，训练模块，包括：
25、改进单元，用于对yolov8模型进行改进，将yolov8的主干特征网络替换为fasternet，同时将yolov8的loss加入nwd loss，得到改进后的yolov8模型；
26、训练单元，用于利用所述训练样本对所述改进后的yolov8模型进行训练得到训练好的模型。
27、优选的，第二计算模块，包括：
28、计算单元，用于将待检测图像中目标对象的类别和当前的gps道路限速信息进行对比，若待检测图像中目标对象的类别和当前的gps道路限速信息相同，则将当前的gps道路限速信息作为最终的限速信息；反之则获取与待检测图像中目标对象的类别同时输出的置信度分数，将所述置信度分数与待检测图像中目标对象的类别相乘，得到第一计算结果，同时将当前的gps道路限速信息与gps的信号强度相乘，得到第二计算结果；将第一计算结果与第二计算结果进行对比分析，将其中的最大值对应的限速信息作为最终的限速信息。
29、第三方面，本申请实施例提供了一种交通道路限速设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述交通道路限速方法的步骤。
30、第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述交通道路限速方法的步骤。
31、本专利技术的有益效果为：
32、1、本专利技术使用速度更快的fasternet替换yolov8的主干特征网络。fasternet利用pconv等部分卷积技术，减少了参数量和内存访问情况，从而提高了模型的运行速度，同时保持较好的检测性能。
33、2、本专利技术引入nwd loss，一种基于wasserstein距离的损失函数，用于度量bbox的相似性。相比于传统的iou loss，nwd loss对小目标有更好的效果，可以提高在复杂场景下的检测准确性。
34、3、本专利技术数据集的多样性对于模型的泛化能力至关重要。本专利技术中使用了stablediffusion对训练图片进行增强，一定程度上解决了数据的长尾问题。
35、4、本专利技术结合道路gps信息对视觉检测结果进行综合计算，避免单个方法置信度不高导致系统不能工作的情况。
36、本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种交通道路限速方法，其特征在于，包括：
2.根据权利要求1所述的交通道路限速方法，其特征在于，对所述图像集中的每一张图像进行标注，形成训练样本，包括：
3.根据权利要求1所述的交通道路限速方法，其特征在于，对Yolov8模型进行改进，改进后利用所述训练样本对其进行训练，得到训练好的模型，包括：
4.根据权利要求1所述的交通道路限速方法，其特征在于，根据待检测图像中目标对象的类别和当前的GPS道路限速信息确定最终的限速信息，包括：
5.一种交通道路限速装置，其特征在于，包括：
6.根据权利要求5所述的交通道路限速装置，其特征在于，训练模块，包括：
7.根据权利要求5所述的交通道路限速装置，其特征在于，训练模块，包括：
8.根据权利要求5所述的交通道路限速装置，其特征在于，第二计算模块，包括：
9.一种交通道路限速设备，其特征在于，包括：
10.一种可读存储介质，其特征在于：
【技术特征摘要】
1.一种交通道路限速方法，其特征在于，包括：
2.根据权利要求1所述的交通道路限速方法，其特征在于，对所述图像集中的每一张图像进行标注，形成训练样本，包括：
3.根据权利要求1所述的交通道路限速方法，其特征在于，对yolov8模型进行改进，改进后利用所述训练样本对其进行训练，得到训练好的模型，包括：
4.根据权利要求1所述的交通道路限速方法，其特征在于，根据待检测图像中目标对象的类别和当前的gps道路限速信息...
【专利技术属性】
技术研发人员：李石朋，赵洪杰，董冰，
申请(专利权)人：江苏星图智能科技有限公司，
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。