[發明專利]基于注意力機制的交通標志檢測方法和裝置

有效

• 申請號: 201910365006.1
• 申請日: 2019-04-30
• 公開（公告）號: CN110135307B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 歐中洪;肖芬瑞;熊柏橋;宋美娜;宋俊德
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06V20/58
• 分類號: G06V20/58
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張潤

1.一種基于注意力機制的交通標志檢測方法，其特征在于，所述方法包括以下步驟：

獲取待檢測圖像，其中，所述待檢測圖像中包含至少一個交通標志區域；

根據貪心策略算法對所述待檢測圖像進行切片，得到符合預設條件的至少一個目標檢測區域，其中，所述目標檢測區域中包含所有交通標志區域；

獲取樣本圖像；其中，所述樣本圖像中已標注交通標志類別信息和位置信息；

將所述樣本圖像輸入至檢測模型，獲取所述樣本圖像的預測結果，直至所述預測結果中包含的交通類別信息和位置信息，與輸入的樣本圖像對應的交通類別信息和位置信息的相似度大于預設閾值時，完成對所述檢測模型的訓練；

將所述至少一個目標檢測區域輸入預先訓練的檢測模型，獲取與每個目標檢測區域對應的候選預測結果；

根據非極大抑制算法對所有目標檢測區域對應的候選預測結果進行篩選，獲取目標預測結果，其中，所述目標預測結果中包含所述待檢測圖像中的交通標志類別信息和位置信息；

其中，所述根據貪心策略算法對所述待檢測圖像進行切片，得到符合預設條件的獲取至少一個目標檢測區域，包括：

通過預設尺寸的滑動窗口以預設間隔在所述待檢測圖像上連續滑動切片，獲取切片后的多個候選檢測區域；

獲取每個候選檢測區域中滑動窗口和所述滑動窗口中的交通標志區域的面積交疊比；

獲取所述每個候選檢測區域中包含的交通標志區域的數量；

根據所述交通標志區域的數量和所述面積交疊比在所述多個候選檢測區域中確定所述目標檢測區域；

其中，根據所述交通標志區域的數量和所述面積交疊比在所述多個候選檢測區域中確定所述目標檢測區域，包括：

計算所述每個候選檢測區域中包含的交通標志區域的數量，并按照交通標志區域數量從大到小的規則對多個候選檢測區域進行排序；

按數量從大到小依次選取候選檢測區域作為最終的切片結果，當候選檢測區域被選出后,其所包含的交通標志區域將從剩余的候選檢測區域中刪除，重新計算并排序，最終從多個候選檢測區域中確定燈光覆蓋所有交通標志區域的至少一個目標檢測區域；

其中，將所述樣本圖像輸入至所述檢測模型，還包括：將標注有交通標志類別信息和位置信息的樣本圖像輸入檢測模型，通過檢測模型的殘差神經網絡提取得到樣本圖像的圖像特征；將樣本圖像特征輸入區域建議神經網絡，得到預測的目標位置，同時，將樣本圖像特征輸入注意力分支，注意力分支通過多層卷積堆疊生成與樣本圖像特征一樣的矩陣，稱為注意力圖像；將所述樣本圖像特征與所述注意力圖像相乘，得到帶注意力的特征圖；根據區域建議神經網絡得到預測的目標位置從特征圖中提取出目標特征，送入分類網絡，得到預測結果；計算損失函數，進行反向傳播，直至預測結果中包含的交通類別信息和位置信息，與輸入的樣本圖像對應的交通類別信息和位置信息的相似度大于預設閾值時，完成對檢測模型的訓練；

其中，所述注意力分支利用對標注框填充得到的近似分割圖生成對所述樣本圖像特征的每一個像素點重要性的權重評估，再與所述樣本圖像特征相乘，過濾掉重要性較低的特征，保留交通標志強相關的特征。

2.根據權利要求1所述的檢測方法，其特征在于，所述將所述至少一個目標檢測區域輸入預先訓練的檢測模型之前，還包括：

提取每個目標檢測區域中各個顏色通道的像素值；

根據預設算法對所述像素值計算所述各個顏色通道的獲取像素計算值；

對所述每個目標檢測區域中每個顏色通道的像素計算值進行歸一化處理。

3.根據權利要求1所述的檢測方法，其特征在于，所述將所述樣本圖像輸入至所述檢測模型，獲取所述樣本圖像的預測結果，包括：將所述樣本圖像輸入至所述檢測模型，以便于所述檢測模型通過殘差神經網絡提取所述樣本圖像的候選圖像特征，并根據所述候選圖像特征獲取所述樣本圖像中交通標志的預測位置信息，以及獲取所述候選圖像特征中的每個特征點的權重；

獲取所述檢測模型根據所述候選圖像特征、所述預測位置信息和所述每個特征點的權重進行計算得到的目標候選特征；

獲取所述檢測模型將所述目標候選特征輸入到分類網絡后得到的所述預測結果。