[發明專利]基于改進yolov5的紅綠燈檢測方法、系統、設備及介質

在審

• 申請號: 202310451669.1
• 申請日: 2023-04-25
• 公開（公告）號: CN116630934A
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 李康順;李婷婷;李丹丹;鄭俊鋒;張昱
• 申請（專利權）人: 東莞城市學院
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/764;G06V10/56;G06V10/774
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發明公開了一種基于改進yolov5的紅綠燈檢測方法、系統、設備及介質，方法包括：獲取紅綠燈圖片數據并進行預處理，構建紅綠燈圖片檢測數據集；構建改進的yolov5模型訓練所述紅綠燈圖片檢測數據集，得到訓練好的改進的yolov5模型；所述改進的yolov5模型是用Inception?ResNet?v2網絡替換掉原始yolov5的骨干網絡；所述改進后yolov5模型骨干網絡包括Stem模塊、Inception?resnet?A模塊、Reduction?A模塊、Inception?resnet?B模塊、Reduction?B模塊以及進入Inception?resnet?C模塊；將待檢測的紅綠燈圖片輸入至所述訓練好的改進的yolov5模型進行檢測，輸出檢測結果。本發明基于改進的yolov5模型對紅綠燈圖像具有識別錯誤率更低、更加高效的優點。

技術領域

本發明屬于圖像識別的技術領域，具體涉及一種基于改進yolov5的紅綠燈檢測方法、系統、設備及介質。

背景技術

傳統的基于視覺方面的紅綠燈識別方法是利用HSV色彩空間與紅綠燈的形狀特征相結合的方法，對圖像進行處理來識別紅綠燈。如2021年5月25日發表在中國知網上的、題名為《基于視覺的紅綠燈識別》的論文，該論文記載了利用紅綠燈具有形狀為矩形、帶有黑色背板這兩點特點，使用邊緣檢測算法，將僅含有紅綠燈黑色背板的區域提取出來，將圖像從RGB色彩空間轉為HSV色彩空間，再利用HSV色彩空間識別紅綠燈畫面顏色得出識別結果的方法。

這種方法利用HSV色彩空間來識別紅綠燈顏色，但是HSV色彩空間本身就存在著局限性，如果圖像顏色的飽和度S很低時，那么所計算出來的色調H就是不可靠的。因為根據RGB轉HSV的轉換公式，假設保持亮度V不變，如果飽和度S越小，則V-min(R，G，B)越小。同時，色調H的分母也是V-min(R，G，B)，分母變小就導致色調H對分子的變化更為敏感，所以當飽和度較小時，色調H的計算往往帶有很大的“跳變”。所以，這種識別方法的結果存在不可靠性。

此外，傳統的Yolov5模型采用的backbone骨干網絡(用來提取圖像特征的網絡)一般是ResNet網絡或者是CSPDarknet53網絡，該模型的圖像識別存在著一定的錯誤率。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種基于改進yolov5的紅綠燈檢測方法、系統、設備及介質，克服了利用HSV色彩空間進行紅綠燈識別本身所存在的不可靠性，提高紅綠燈識別的準確率及速度；進一步降低傳統yolov5模型識別的錯誤率。

為了達到上述目的，本發明采用以下技術方案：

第一方面，本發明提供了一種基于改進yolov5的紅綠燈檢測方法，包括下述步驟：

獲取紅綠燈圖片數據并進行預處理，構建紅綠燈圖片檢測數據集；

構建改進的yolov5模型訓練所述紅綠燈圖片檢測數據集，得到訓練好的改進的yolov5模型；所述改進的yolov5模型是用Inception-ResNet?v2網絡替換掉原始yolov5的骨干網絡；所述改進后yolov5模型的骨干網絡包括Stem模塊、Inception-resnet-A模塊、Reduction-A模塊、Inception-resnet-B模塊、Reduction-B模塊以及進入Inception-resnet-C模塊，所述Stem模塊用于對進入Inception模塊前的數據進行預處理，所述Inception-resnet-A模塊用于對輸入的結果先進行6次卷積處理，再將處理結果進行堆疊；所述Reduction-A模塊用于對來自上一層的輸入進行4次卷積處理以及最大值池化處理；所述Inception-resnet-B模塊用于對來自上一層的輸入進行4次卷積處理，再將處理結果進行堆疊，所述Reduction-B模塊用于對來自上一層的輸入進行7次卷積處理以及最大值池化處理，所述Inception-resnet-C模塊用于對來自上一層的輸入進行5次卷積處理，再將處理結果進行堆疊；