[發明專利]交通燈的分類方法、分類裝置、電子設備及存儲介質

在審

• 申請號: 202010926714.0
• 申請日: 2020-09-07
• 公開（公告）號: CN114155392A
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 馮昊楠;張勁松;劉鈺純
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/762;G06K9/62;G06V20/58;G06N3/04;G06V10/82
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 官建紅

1.一種交通燈的分類方法，其特征在于，所述交通燈的分類方法包括：

獲取第一交通燈圖像；

對所述第一交通燈圖像進行交通燈檢測，得到多個第一目標檢測框；

對所述多個第一目標檢測框進行聚類，得到第二交通燈圖像；

對所述第二交通燈圖像進行交通燈檢測，得到多個第二目標檢測框；

基于所述多個第二目標檢測框進行交通燈分類，得到交通燈分類結果。

2.如權利要求1所述的交通燈的分類方法，其特征在于，所述對所述第二交通燈圖像進行交通燈檢測，得到多個第二目標檢測框，包括：

獲取預設的目標檢測網絡模型，其中，所述目標檢測網絡模型的卷積層的卷積核的尺寸為a*a，a為大于0的整數；

將所述目標檢測網絡模型中至少一個卷積層的卷積核的尺寸調整為b1*h1，得到第二交通燈檢測模型，其中，b1與h1不相等，h1和b1均為大于0的整數；

基于所述第二交通燈檢測模型對所述第二交通燈圖像進行交通燈檢測，得到多個第二目標檢測框。

3.如權利要求2所述的交通燈的分類方法，其特征在于，

所述基于所述多個第二目標檢測框進行交通燈分類，得到交通燈分類結果，包括：

將所述目標檢測網絡模型中至少一個卷積層的卷積核的尺寸調整為b2*h2，得到第三交通燈檢測模型，其中，當b1小于h1時，設置b2大于h2，當b1大于h1時，設置b2小于h2，h2和b2均為大于0的整數；

基于所述第三交通燈檢測模型對所述第二交通燈圖像進行交通燈檢測，得到多個第三目標檢測框；

基于所述多個第二目標檢測框和所述多個第三目標檢測框進行交通燈分類，得到交通燈分類結果。

4.如權利要求3所述的交通燈的分類方法，其特征在于，所述基于所述多個第二目標檢測框和所述多個第三目標檢測框進行交通燈分類，得到交通燈分類結果，包括：

基于所述目標檢測網絡模型對所述第二交通燈圖像進行交通燈檢測，得到多個第四目標檢測框；

基于所述多個第二目標檢測框、所述多個第三目標檢測框以及所述多個第四目標檢測框進行交通燈分類，得到交通燈分類結果。

5.如權利要求2-4任意一項所述的交通燈的分類方法，其特征在于，所述將所述目標檢測網絡模型中至少一個卷積層的卷積核的尺寸調整為b1*h1，得到所述第二交通燈檢測模型，包括：

將所述目標檢測網絡模型中至少一個卷積層的卷積核的尺寸調整為b1*h1，將所述目標檢測網絡模型中錨框數量減少至第一預設值，得到所述第二交通燈檢測模型。

6.如權利要求1所述的交通燈的分類方法，其特征在于，所述對所述多個第一目標檢測框進行聚類，得到第二交通燈圖像，包括：

獲取所述多個第一目標檢測框的預測置信度；

基于所述多個第一目標檢測框的預測置信度從所述多個第一目標檢測框中篩選出預設數量的第一目標檢測框，作為第五目標檢測框；

對所述第五目標檢測框進行聚類，得到第二交通燈圖像。

7.如權利要求1所述的交通燈的分類方法，其特征在于，所述基于所述多個第二目標檢測框進行交通燈分類，得到交通燈分類結果，包括：

基于非極大值抑制算法去除所述多個第二目標檢測框中的冗余框，得到目標預測邊框，其中，所述非極大值抑制算法采用DIoU為距離度量；

基于所述目標預測邊框進行交通燈分類，得到交通燈分類結果。

8.如權利要求5所述的交通燈的分類方法，其特征在于，所述基于第二交通燈檢測模型對所述第二交通燈圖像進行交通燈檢測，得到多個第二目標檢測框，包括：

將所述第二交通燈圖像按預設比例放大，得到放大后的第二交通燈圖像；

將放大后的第二交通燈圖像輸入第二交通燈檢測模型進行交通燈檢測，得到多個第二目標檢測框。