[發明專利]一種交通標志類別的檢測識別方法、裝置和設備

在審

• 申請號: 202010796028.6
• 申請日: 2020-08-10
• 公開（公告）號: CN112115777A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 王磊;章毅;馮旭;羅順鳳
• 申請（專利權）人: 杭州優行科技有限公司;浙江吉利控股集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

1.一種交通標志類別的檢測識別方法，其特征在于，所述方法包括：

獲取雙目視頻流圖像；

對所述雙目視頻流圖像進行圖像融合得到融合視頻流圖像，所述融合視頻流圖像中包含至少一個交通標志；

利用檢測模型對所述融合視頻流圖像進行檢測，輸出所述融合視頻流圖像中至少一個交通標志的坐標位置；

基于所述融合視頻流圖像中至少一個交通標志的坐標位置對所述融合視頻流圖像進行擇優提取，得到第一交通標志圖像，所述第一交通標志圖像包括滿足預設圖像要求的交通標志圖像；

利用矯正模型對所述第一交通標志圖像進行圖像矯正，輸出第二交通標志圖像；

利用識別模型對所述第二交通標志圖像進行圖像識別，輸出交通標志類別。

2.根據權利要求1所述的方法，其特征在于，所述檢測模型包括采用下述步驟確定：

獲取第一視頻流訓練圖像，所述第一視頻流訓練圖像包括具有不同交通標志坐標位置的標注信息的視頻流訓練圖像；

基于所述第一視頻流訓練圖像對第一深度學習網絡進行交通標志檢測訓練，得到檢測模型。

3.根據權利要求1所述的方法，其特征在于，所述基于所述融合視頻流圖像中至少一個交通標志的坐標位置對所述融合視頻流圖像進行擇優提取，得到第一交通標志圖像包括：

基于所述融合視頻流圖像中至少一個交通標志的坐標位置對所述融合視頻流圖像進行分組，得到多個分組圖像集，每一分組圖像集中的多個圖像對應同一目標交通標志；

利用擇優模型從每個分組圖像集中確定出滿足第二預設圖像條件的圖像，得到第一交通標志圖像。

4.根據權利要求3所述的方法，其特征在于，所述擇優模型包括采用下述步驟確定：

獲取第二訓練圖像，所述第二訓練圖像包括具有不同的旋轉程度、清晰程度及遮擋程度的標注信息的交通標志圖像；

基于所述第二訓練圖像對第二深度學習網絡進行圖像擇優訓練，得到擇優模型。

5.根據權利要求1所述的方法，其特征在于，所述矯正模型包括采用下述步驟確定：

獲取第三訓練圖像，所述第三訓練圖像包括具有不同的傾斜角度、縮放程度以及平移程度的標注信息的交通標志圖像；

基于所述第三訓練圖像對第三深度學習網絡進行圖像矯正訓練，得到矯正模型。

6.根據權利要求1所述的方法，其特征在于，所述識別模型包括采用下述步驟確定：

獲取第四訓練圖像，所述第四訓練圖像包括具有不同類別標注信息的交通標志樣本圖像；

基于所述第四訓練圖像對第四深度學習網絡進行圖像識別訓練，得到識別模型；

其中，識別訓練過程中的損失函數包括回歸損失函數和分類損失函數，所述回歸損失函數表征訓練過程中輸出的最大概率值所對應的預測類別與真實類別的絕對誤差，所述分類損失函數表征訓練過程中輸出的最大概率值與一之間的誤差，所述損失函數中，交通標志樣本圖像數量少的類別權重高于交通標志樣本圖像數量多的類別權重。

7.根據權利要求2所述的方法，其特征在于，所述獲取第一視頻流訓練圖像包括：

獲取雙目視頻流樣本圖像；

對所述雙目視頻流樣本圖像進行視頻幀拆解得到多幀樣本圖像，其中，每幀樣本圖像包含交通標志；

對所述多幀樣本圖像進行交通標志的坐標位置標注得到具有交通標志坐標位置標注信息的第二多幀樣本圖像；

對所述第二多幀樣本圖像進行圖像融合得到所述第一視頻流訓練圖像。