[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

本申請提出一種基于注意力機制的交通標志檢測方法和裝置，其中，方法包括：通過獲取待檢測圖像，根據貪心策略算法對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，其中，目標檢測區域中包含所有交通標志區域；將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去噪，獲取目標預測結果，其中，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。由此，通過預先訓練的檢測模型對待檢測圖像進行交通標志檢測，提高了交通標志檢測的精度值和效率。

技術領域

本申請涉及圖像處理技術領域，尤其涉及一種基于注意力機制的交通標志檢測方法和裝置。

背景技術

隨著自動駕駛技術的發展，對道路信息感知能力提出了越來越高的要求，其中，最重要的道路信息就是交通標志信息，從高分辨率的車載攝像中高效提取出交通標志信息至關重要。

現有技術中心的交通標志檢測方法包括：圖像處理方法和基于深度學習的交通標志檢測方法。其中，圖像處理方法使用圖像處理的特征提取算法提取指路標志圖像幾何特征和字符間距，然后與數據庫中的模板對比判斷是否為交通標志。其中，基于深度學習的交通標志檢測方法，首先通過深度卷積神經網絡提取圖像特征，之后再通過區域建議網絡(Region Proposal Network,RPN)生成建議區域，基于建議區域和圖像特征對當前區域進行分類，判斷是否屬于某一類交通標志。

但是，現有技術中，交通標志檢測技術存在檢測精度低、效率低的缺陷。

發明內容

本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本申請提出一種基于注意力機制的交通標志檢測方法，以解決現有技術中交通標志檢測方法精度低、效率低的技術問題。

本申請一方面實施例提出了一種基于注意力機制的交通標志檢測方法，包括：

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獲取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；

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述所有目標檢測區域對應的候選預測結果進行去噪，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。

本申請實施例的基于注意力機制的交通標志檢測方法，通過獲取待檢測圖像，根據貪心策略算法對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，其中，目標檢測區域中包含所有交通標志區域；將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去噪，獲取目標預測結果，其中，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。由此，通過預先訓練的檢測模型對待檢測圖像進行交通標志檢測，提高了交通標志檢測的精度值和效率。

本申請另一方面實施例提出了一種基于注意力機制的交通標志檢測方法，包括：

獲取模塊，用于獲取待檢測圖像，其中，所述待檢測圖像中包含至少一個交通標志區域；

切片模塊，用于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，其中，所述目標檢測區域中包含所有交通標志區域；

輸入模塊，用于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；