一种多尺度融合的交通标志实时检测方法及系统技术方案

本发明专利技术公开了一种多尺度融合的交通标志实时检测方法及系统。包括以下步骤：构建ADC_DETR模型，使用自定义的PCBlock模块，替换RT‑DETR骨干网络BackBone的BasicBlock模块；使用AD_CCFM模块，替换RT‑DETR混合编码器的跨尺度特征融合CCFM模块；使用自定义的Focaler_L2损失函数替换RT‑DETR中的GIoU损失函数；利用公开数据集TT100K训练ADC_DETR模型以确定其最佳模型参数，最终得到改进RT‑DETR算法的交通标志检测模型。与现有技术相比，本发明专利技术提出的方法有效提高对不同场景下交通标志特征的提取能力，参数量减少27.8%，计算量下降16.6%，并在行车记录系统中取得了平均精确率1.3%的性能提升，可部署在移动设备上为智能辅助驾驶提供有力的支持。

【技术实现步骤摘要】

本专利技术涉及计算机视觉与交通标志检测的，具体涉及一种多尺度融合的交通标志实时检测方法及系统。

技术介绍

1、近年来，随着智能驾驶和智能辅助驾驶的不断推进以及交通流量的迅猛增长，交通管理与安全问题日益凸显。交通标志作为道路交通管理的重要组成部分，在保障道路交通秩序、提升行车安全方面扮演着重要角色。随着车辆自动化技术的发展，准确而快速的检测出交通标志可以辅助驾驶员或自动驾驶系统做出正确的驾驶决策。

2、传统的交通标志检测方法有：基于颜色的交通标志检测方法，基于形状的交通标志检测方法以及基于融合特征的交通标志检测方法。基于颜色的交通标志检测方法根据交通标志特定的颜色范围从颜色空间中提取可能的交通标志。常见的颜色空间有rgb、hsi和hsv等。基于形状的交通标志检测方法是根据交通标志的主要类型，以通过检测交通标志的轮廓将其从复杂环境中快速分割出来，得到交通标志的感兴趣区域。交通标志的主要形状类别为矩形、圆形和三角形。基于融合特征的交通标志检测方法是将颜色与形状相结合，这种方法可以很好地解决基于颜色与基于形状的两种检测法各自的缺陷，提高检测精度。...

【技术保护点】

1.一种多尺度融合的交通标志实时检测方法，其特征在于，具体步骤如下：

2.根据权利要求1所述的一种多尺度融合的交通标志实时检测方法，其特征在于，所述步骤1中PCBlock由一个3×3卷积模块将输出通道变为输入通道的两倍，再串联PConv卷积模块、BN模块和ReLu激活函数后，并联一个包含平均池化和1×1卷积的跳跃连接ShortCut，最后进行逐点相加并进行ReLu激活。

3.根据权利要求1或2所述的一种多尺度融合的交通标志实时检测方法，其特征在于，所述步骤1AD_CCFM模块包括多个卷积模块、两个DySample动态上采样模块、多个RepC3模块、Z_Cat模块以...

【技术特征摘要】

1.一种多尺度融合的交通标志实时检测方法，其特征在于，具体步骤如下：

2.根据权利要求1所述的一种多尺度融合的交通标志实时检测方法，其特征在于，所述步骤1中pcblock由一个3×3卷积模块将输出通道变为输入通道的两倍，再串联pconv卷积模块、bn模块和relu激活函数后，并联一个包含平均池化和1×1卷积的跳跃连接shortcut，最后进行逐点相加并进行relu激活。

3.根据权利要求1或2所述的一种多尺度融合的交通标志实时检测方法，其特征在于，所述步骤1ad_ccfm模块包括多个卷积模块、两个dysample动态上采样模块、多个repc3模块、z_cat模块以及asf_dy模块，其中asf_dy模块由z_cat模块串联repc3模块并和dysf模块进行并联后，再串联一个cpam注意力机制模块组成；具体结构如下：

4.根据权利要求3所述的一种多尺度融合的交通标志实时检测方法，其特征在于，所述第一z_cat模块由特征图p2使用一个1×1卷积得到特征图p6，再使用一个1×1卷积将特征图p6的输出通道数变为输入通道数的两倍得到特征图p7，然后使用最大池化maxpool并联平均池化avgpool将特征图p7与特征图p3进行逐点相加得到特征图p8；使用一个1×1卷积将特征图p5的输出通道数变为输入通道数的二分之一，使用最近邻插值nearest方法得到与特征图p3相同的大小的特征图p9；特征图p3通过一个1×1卷积得到尺寸一致的特征图p10；使用pytorch中concat方法将p8、p9、p10三个特征图进行横向拼接，输出的通道数为特征图p8、p9、p10的通道数之和。

5....

【专利技术属性】
技术研发人员：严云洋，耿嘉雯，朱全银，朱妍，叶翔，王盘龙，董可，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：