[發明專利]基于車載平臺的交通標識識別系統

在審

• 申請號: 202110241498.0
• 申請日: 2021-03-04
• 公開（公告）號: CN113065399A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 陳亦嘉;張有智
• 申請（專利權）人: 中創未來智能技術（南京）研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/62;G06N3/08
• 代理公司: 廣東有知貓知識產權代理有限公司 44681
• 代理人: 崔新芬

1.基于車載平臺的交通標識識別系統，包括采集模塊、識別模塊、輸出模塊和數據處理模塊，其特征在于：

所述采集模塊用于拍攝道路沿線視頻及圖像，從而采集交通標識；

所述識別模塊用于對采集模塊采集的視頻和信息進行識別，鑒別出對應交通標識；

所述輸出模塊用于將識別出的交通標識輸出到車載平臺，從而便于智能車及駕駛者采取相應駕駛措施；

所述數據處理模塊用于構建和存儲現有交通標識樣本，建立樣本特征集合，通過機器學習獲得交通標志的分類模型，便于識別模塊根據現有樣本進行交通標識識別。

2.根據權利要求1所述的基于車載平臺的交通標識識別系統，其特征在于：所述采集模塊為具有高清攝像頭的高動態相機，且采集模塊安裝在車輛后視鏡位置處，所述采集模塊輸出為640×480像素視頻序列或圖片。

3.根據權利要求1所述的基于車載平臺的交通標識識別系統，其特征在于：所述識別模塊包括圖像特征提取、交通標識類別識別和交通標識內容識別。

4.根據權利要求3所述的基于車載平臺的交通標識識別系統，其特征在于：所述圖像特征提取過程為：將視頻序列分解成單幀圖像，根據中值濾波算法，對各所述樣本圖像進行濾波去噪處理，得到濾波后的樣本圖像，根據橢圓擬合算法和多邊形逼近算法，提取樣本圖像的形狀輪廓，并獲取形狀輪廓的輪廓區域顏色，提取交通標識特征，并去除相關性強的冗余特征。

5.根據權利要求3所述的基于車載平臺的交通標識識別系統，其特征在于：所述交通標識類別識別過程為：將圖像特征提取得到的信息通過多層決策樹對圖像進行識別，將特征向量與分類模型進行相似度匹配，判決得出檢測結果。

6.根據權利要求5所述的基于車載平臺的交通標識識別系統，其特征在于：所述檢測結果包括紅色禁令標識、黃色警告標識和藍色指示標識，其中，所述紅色禁令標識包括圓形標識和三角標識，所述黃色警告標識為三角標識，所述藍色指示標識包括圓形標識和矩形標識。

7.根據權利要求3所述的基于車載平臺的交通標識識別系統，其特征在于：所述交通標識內容識別為交通標識細分類別識別，通過將交通標識識別區域轉換為六角椎體模型格式，根據像素點的色調參數，統計識別區域內各顏色像素點的數量和分布，結合各類交通標識中具體標識的預設像素數量和分布，確定該標識的具體內容。

8.根據權利要求1所述的基于車載平臺的交通標識識別系統，其特征在于：所述數據處理模塊包括神經網絡學習模塊和存儲模塊，所述神經網絡學習模塊用于提取和學習現有交通標識的特征并將每次識別模塊識別結果進行訓練學習，豐富交通標識分類模型；所述存儲模塊用于對交通標識信息進行存儲，方便識別模塊調閱識別。

9.根據權利要求8所述的基于車載平臺的交通標識識別系統，其特征在于：所述神經網絡學習模塊輸入的是交通標識的特征，輸出的是交通標識的分類結果信息，其具體包括：

訓練樣本圖庫建立模塊，用于獲取交通標識牌樣本圖像和非交通標識牌樣本圖像，建立訓練樣本圖庫；

特征選擇模塊，用于使用Haar小波特征、MB-LBP特征和SURF特征對所述訓練樣本圖庫中的圖像進行特征選擇；

綜合訓練模塊，用于將選擇到的特征輸入到三層感知器神經網絡進行交通標識的綜合訓練，獲得交通標識分類模型。