[發明專利]交通標志識別方法、裝置、電子設備及計算機存儲介質

在審

• 申請號: 202110636627.6
• 申請日: 2021-06-08
• 公開（公告）號: CN113591543A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 李曉歡;馬新舒;陳倩;唐欣
• 申請（專利權）人: 廣西綜合交通大數據研究院;桂林電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市諾正鑫澤知識產權代理有限公司 44689
• 代理人: 羅華

1.一種交通標志識別方法，其特征在于，包括：

獲取預設的交通標志數據集，所述交通標志數據集包括訓練集和驗證集；

采用預設的聚類算法對所述交通標志數據集中的交通標志進行聚類，確定各類所述交通標志的尺寸；

使用所述訓練集對預設的交通標志識別模型進行訓練，得到訓練后的交通標志識別模型；

采用訓練后的所述交通標志識別模型對待識別交通標志進行識別，確認所述待識別交通標志的類別。

2.根據權利要求1所述的交通標志識別方法，其特征在于，所述采用預設的聚類算法對所述交通標志數據集中的交通標志進行聚類，確定各類所述交通標志的尺寸，包括：

設置預設數量的聚類，并確定對應數量的初始聚類中心；

計算所述交通標志數據集中每個交通標志數據中數據點距離所述初始聚類中心的距離；

將所述距離在預設范圍內的數據點確定為聚類中心所在的簇；

將所述簇的所有數據的中心點作為所述聚類的中心點，直到所述聚類的中心點不再移動，將所述聚類的中心點作為所述聚類的交通標志尺寸。

3.根據權利要求1所述的交通標志識別方法，其特征在于，所述交通標志識別模型的訓練步驟包括：

將所述訓練數據輸入第一分支計算得到第一輸出，所述第一分支包括一個卷積模塊；

將所述訓練數據輸入第二分支計算得到第二輸出，所述第二分支包括兩個卷積模塊；

將所述訓練數據輸入第三分支計算得到第三輸出，所述第三分支包括四個卷積模塊；

將所述訓練數據輸入第四分支計算得到第四輸出，所述第四分支包括一個最大池化模塊；

將所述第一輸出、第二輸出、第三輸出、以及第四輸出進行融合，并對融合后的結果進行一次卷積計算，得到輸出結果。

4.根據權利要求3所述的交通標志識別方法，其特征在于，還包括：

采用所述訓練集計算訓練后的所述交通標志識別模型的損失誤差，當所述損失誤差在預設范圍內時，得到訓練好的所述交通標志識別模型。

5.根據權利要求3所述的交通標志識別方法，其特征在于，所述第一分支的一個卷積模塊為1*1的卷積模塊，所述第二分支的兩個卷積模塊分別為一個1*1的卷積模塊和一個3*3的卷積模塊，所述第三分支的四個卷積模塊分別為一個1*1的卷積模塊和三個3*3的卷積模塊。

6.根據權利要求3所述的交通標志識別方法，其特征在于，所述交通標志識別模型還包括深層網絡特征圖模塊和淺層網絡特征圖模塊，所述深層網絡特征圖用于輸出大目標預測尺寸、所述淺層網絡特征圖模塊用于輸出目標預測尺寸和小目標預測尺寸。

7.根據權利要求6所述的交通標志識別方法，其特征在于，所述方法還包括：

將所述大目標預測尺寸、中目標預測尺寸和小目標預測尺寸與所述輸出結果進行融合，得到最終輸出結果。

8.一種交通標志識別裝置，其特征在于，包括：

數據獲取模塊，用于獲取預設的交通標志數據集，所述交通標志數據集包括訓練集和驗證集；

聚類模塊，用于采用預設的聚類算法對所述交通標志數據集中的交通標志進行聚類，確定各類所述交通標志的尺寸；

訓練模塊，用于使用所述訓練集對預設的交通標志識別模型進行訓練，得到訓練后的交通標志識別模型；

識別模塊，用于采用訓練后的所述交通標志識別模型對待識別交通標志進行識別，確認所述待識別交通標志的類別。

9.一種電子設備，其特征在于，所述電子設備包括：

一個或多個處理器；

存儲器；

一個或多個應用程序，其中所述一個或多個應用程序被存儲在所述存儲器中并被配置為由所述一個或多個處理器執行，所述一個或多個程序配置用于：執行根據權利要求1～7任一項所述的交通標志識別方法。

10.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執行以實現如權利要求1～7任一所述的交通標志識別方法。