[發(fā)明專利]一種交通標志圖像識別模型構建及識別方法

有效

• 申請?zhí)枺?/td>: 201810628664.0
• 申請日: 2018-06-19
• 公開（公告）號: CN109002764B
• 公開（公告）日: 2021-05-11
• 發(fā)明（設計）人: 趙祥模;劉占文;高濤;徐江;董鳴;沈超;樊星;楊楠;林杉;連心雨;陳婷;王潤民;張凡
• 申請（專利權）人: 長安大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 西安恒泰知識產(chǎn)權代理事務所 61216
• 代理人: 張明

本發(fā)明公開了一種交通標志圖像識別模型構建方法及識別方法，本發(fā)明提供的方法通過構建兩個卷積神經(jīng)網(wǎng)絡模型，一個是交通標志區(qū)域提取模型，用于從原始圖像中將僅含有交通標志區(qū)域的圖像提取出來，另外一個是交通標志識別模型，用于對提取出的僅含有交通標志的圖像進行識別，獲得該幅圖像中的交通標志的識別結果；本發(fā)明提供的交通標志識別模型基于改進的ZF卷積神經(jīng)網(wǎng)絡，結合空間變換網(wǎng)絡，訓練得到應用于交通標志識別的網(wǎng)絡模型，能夠避免交通標志扭曲，形變造成的錯識別問題，提高交通標志識別率；交通標志區(qū)域提取模型是在ZF卷積神經(jīng)網(wǎng)絡上改進的，設置四個不同尺度的提取區(qū)域進行交通標志區(qū)域提取，增加了交通標志識別精準率。

技術領域

本發(fā)明涉及圖像處理領域，具體涉及一種交通標志圖像識別模型構建及識別方法。

背景技術

道路交通標志識別作為高級駕駛輔助的一個基礎分支，也是提高交通安全和效率的重要手段，其主要利用計算機視覺技術采集前方道路信息，并進行圖像分析與處理，及時給予駕駛?cè)藛T行車建議，規(guī)范交通行為。交通標志識別的精準率直接影響到駕駛?cè)藛T的生命安全，因此準確高效的交通標志識別算法已經(jīng)成為目標識別領域新的研究熱點。

從計算機視覺角度出發(fā)進行交通標志識別的方法，主要可以分為兩大類：基于顏色、形狀信息結合識別器的交通標志識別方法和基于局部區(qū)域特征與識別器的交通標志識別方法。上述基于顏色與形狀信息、局部區(qū)域特征信息的交通標志識別方法容易受到天氣狀況、光照環(huán)境以及交通標志產(chǎn)生形變等因素的影響，僅僅提取交通標志的局部特點，對圖像中其他有效信息利用不足，嚴重影響交通標志的識別精準率。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種交通標志圖像識別模型構建及識別方法，用以解決現(xiàn)有技術中對交通標志圖像進行處理時，其圖像容易產(chǎn)生形變，導致識別正確率不高等問題。

為了實現(xiàn)上述任務，本發(fā)明采用以下技術方案：

一種交通標志圖像識別模型構建方法，所述的方法包括：

步驟1、提取多張原始圖像中僅含有交通標志區(qū)域的部分，獲得交通標志圖像集，將交通標志圖像集中每幅交通標志圖像中交通標志的名稱以及交通標志的位置作為各自的交通標志標簽，獲得交通標志標簽集，所述的交通標志的位置為僅含有交通標志區(qū)域在原始圖像中的位置；

步驟2、將所述的交通標志圖像集作為輸入，將所述的交通標志標簽集作為輸出，訓練圖像識別模型，獲得交通標志識別模型；所述的圖像識別模型包括圖像校正層、第一卷積層、SPP層、第一全連接層、第一Softmax層以及第二全連接層，其中所述的圖像校正層包括空間變換網(wǎng)絡，所述的空間變換網(wǎng)絡對待處理圖像中扭曲的交通標志進行幾何校正，所述的第一Softmax層輸出交通標志的位置，所述的第二全連接層輸出交通標志的名稱。

進一步地，利用交通標志區(qū)域提取模型提取多張原始圖像中僅含有交通標志區(qū)域的部分，獲得交通標志圖像集，其中所述的交通標志區(qū)域提取模型由圖像提取模型訓練獲得，所述的圖像提取模型包括第二卷積層、特征映射層、第二Softmax層以及第三全連接層，包括：

步驟11、從所有原始圖像中取出多張原始圖像作為待提取區(qū)域圖像集，利用所述第二卷積層提取每一幅待提取區(qū)域圖像的卷積特征圖；

步驟12、在所述的特征映射層中，對每一幅卷積特征圖設定多個提取區(qū)域，將每個提取區(qū)域的區(qū)域類別以及區(qū)域位置作為各自的區(qū)域標簽；所述的區(qū)域類別包括交通標志區(qū)域以及背景區(qū)域，所述的區(qū)域位置為提取區(qū)域在卷積特征圖中的位置；

將每一幅卷積特征圖對應的所有提取區(qū)域的區(qū)域標簽作為該幅卷積特征圖的標簽集；收集所有卷積特征圖的標簽集，獲得待提取區(qū)域標簽集；

步驟13、將所述的待提取區(qū)域圖像集作為輸入，將所述的待提取區(qū)域標簽集作為輸出，訓練所述的圖像提取模型，獲得交通標志區(qū)域提取模型；