[發(fā)明專利]一種交通標志識別方法以及相關裝置

有效

• 申請?zhí)枺?/td>: 202010903767.0
• 申請日: 2020-09-01
• 公開（公告）號: CN112052778B
• 公開（公告）日: 2022-04-12
• 發(fā)明（設計）人: 陸嘉欣
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V20/40;G06K9/62;G06V10/774
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 李杭

1.一種基于神經網絡的交通標志識別方法，其特征在于，包括：

獲取行駛信息，所述行駛信息包含多個行駛圖像；

將所述行駛圖像輸入目標檢測模型中的第一檢測網絡，以得到所述行駛圖像的形狀信息，所述目標檢測模型包括所述第一檢測網絡和第二檢測網絡；

基于所述形狀信息對所述行駛圖像進行篩選，以得到篩選圖像；

將所述篩選圖像輸入所述目標檢測模型中的所述第二檢測網絡，以確定所述行駛圖像中的目標交通標志和置信信息；

基于所述目標交通標志的位置信息對所述行駛圖像進行聚合，以得到分組信息，所述分組信息用于指示包含所述目標交通標志的行駛圖像集合，所述分組信息包含基于所述置信信息確定的置信度；

若所述置信度滿足預設條件，則確定所述分組信息對應的標志信息為所述目標交通標志的標志信息。

2.根據權利要求1所述的方法，其特征在于，所述將所述篩選圖像輸入所述目標檢測模型中的所述第二檢測網絡，以確定所述行駛圖像中的所述目標交通標志和所述置信信息，包括：

確定所述篩選圖像對應的前序檢測框；

對所述前序檢測框進行擾動，以得到輸入檢測框；

將所述輸入檢測框內的圖像輸入所述目標檢測模型中的所述第二檢測網絡，以確定所述行駛圖像中的所述目標交通標志和所述置信信息。

3.根據權利要求2所述的方法，其特征在于，所述對所述前序檢測框進行擾動，以得到輸入檢測框，包括：

確定檢測框擾動參數；

根據所述檢測框擾動參數對所述前序檢測框向預設方向進行擾動，以得到所述輸入檢測框。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取第一訓練樣本集和第二訓練樣本集；

基于訓練擾動參數對所述第一訓練樣本集中的樣本和所述第二訓練樣本集中的樣本進行更新；

基于更新后的所述第一訓練樣本集對所述第一檢測網絡進行訓練；

基于更新后的所述第二訓練樣本集對所述第二檢測網絡進行訓練。

5.根據權利要求1所述的方法，其特征在于，所述基于所述目標交通標志的位置信息對所述行駛圖像進行聚合，以得到分組信息，包括：

確定所述目標交通標志在所述行駛圖像中的位置信息；

基于所述位置信息對所述行駛圖像進行聚合，以得到所述分組信息。

6.根據權利要求1所述的方法，其特征在于，所述基于所述目標交通標志的位置信息對所述行駛圖像進行聚合，以得到分組信息，包括：

確定包含所述目標交通標志的目標圖像；

根據所述目標圖像確定目標場景組，所述目標場景組包含的圖像數量基于候選范圍設定；

依次將所述候選范圍內的所述行駛圖像與所述目標圖像進行比對，以得到所述分組信息。

7.根據權利要求6所述的方法，其特征在于，所述確定包含所述目標交通標志的目標圖像，包括：

確定包含所述目標交通標志的圖像組；

基于展示信息確定所述圖像組中的所述目標圖像，所述展示信息包括圖像大小、圖像完整度或圖像置信度確定。

8.根據權利要求6所述的方法，其特征在于，所述依次將所述候選范圍內的所述行駛圖像與所述目標圖像進行比對，以得到所述分組信息，包括：

確定與所述目標圖像相鄰的候選圖像；

基于所述候選圖像與所述目標圖像之間的距離信息進行識別，以確定與所述目標圖像同類別的相鄰圖像；

根據所述目標圖像和所述相鄰圖像得到所述分組信息。

9.根據權利要求6所述的方法，其特征在于，所述方法還包括：

確定所述目標場景組中指示的目標類別；

基于所述目標類別對所述目標場景組中的差異項進行類別更新。