标线识别方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术实施例提供了一种标线识别方法、装置、存储介质及电子装置，其中，该方法包括：对包含目标标线的目标图像进行分析，获取目标图像的特征矩阵；对特征矩阵进行分析，获取用于框选目标标线的框的框特征、目标标线的类型的类型特征以及目标标线的维护程度的维护程度特征；基于框特征、类型特征、维护程度特征，在目标图像中框选出目标标线，并在目标图像中标识出目标标线的类型以及维护程度。通过本发明专利技术，解决了相关技术中存在的在标线维护识别中需要大量依靠人力而导致效率低的问题，达到了提高标线识别效率的效果。提高标线识别效率的效果。提高标线识别效率的效果。

【技术实现步骤摘要】
标线识别方法、装置、存储介质及电子装置


[0001]本专利技术实施例涉及计算机
，具体而言，涉及一种标线识别方法、装置、存储介质及电子装置。

技术介绍

[0002]随着计算机技术的不断发展，图像识别技术的应用领域也越来越广泛，例如，指纹识别，人脸识别，机器人视觉，交通标志识别等等，并且随着识别技术的逐渐深入，对对象的分类识别的需求越来越多，以及识别的内容也越来越复杂，下面以道路交通标线的识别为例，道路交通标线是标划于路面上的各种线条、箭头、文字、立面标记、突起路标和轮廓标等构成的交通安全设施。随着经济的发展，道路越来越多，天气和车辆行驶等都会对道路标线有一定程度的磨损、缺失、脏污、遮挡等影响，因此道路管理部门需要定期开展交通标志标线的排查工作，需要一定的人力去排查道路标线是否在白天、黑夜均清晰、醒目、完好，避免标线不规则可能引发的“被违章”或者交通事故。
[0003]而随着道路监控、车载监控、无人机、后台服务器等图像/视频设备的部署增加，如果有自动识别道路标线是否存在不规范的方法，就可以大量减少人力参与，实现道路标线维护的自动识别。由于路面上的标线数量和类型较多，可能存在部分标线完整部分标线不完整的情况，因此在自动识别时需要对每个标线分别输出对应的维护状态，因此还需要检测出每个标线个体与标线的类型。
[0004]针对相关技术中存在的在标线维护识别中需要大量依靠人力而导致效率低的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种标线识别方法、装置、存储介质及电子装置，以至少解决相关技术中存在的在标线维护识别中需要大量依靠人力而导致效率低的问题。
[0006]根据本专利技术的一个实施例，提供了一种标线识别方法，包括：对包含目标标线的目标图像进行分析，获取所述目标图像的特征矩阵；对所述特征矩阵进行分析，获取用于框选所述目标标线的框的框特征、所述目标标线的类型的类型特征以及所述目标标线的维护程度的维护程度特征；基于所述框特征、所述类型特征、所述维护程度特征，在所述目标图像中框选出所述目标标线，并在所述目标图像中标识出所述目标标线的类型以及维护程度。
[0007]在一个示例性实施例中，对所述特征矩阵进行分析，获取用于框选所述目标标线的框的框特征、所述目标标线的类型的类型特征以及所述目标标线的维护程度的维护程度特征包括：利用检测器对所述特征矩阵进行如下处理，获取所述框特征、所述类型特征以及所述维护程度特征：在所述检测器为第一类检测器的情况下，利用所述检测器对所述特征矩阵进行第一处理，获取第一锚框，以及，基于所述第一锚框获取所述框特征、所述类型特征以及所述维护程度特征；在所述检测器为第二类检测器的情况下，利用所述检测器对第二锚框进行第二处理，确定出所述框特征、所述类型特征以及所述维护程度特征，其中，所
述第二锚框为预先对所述特征矩阵进行划分所确定出的锚框；在所述检测器为第三类检测器的情况下，利用所述检测器对所述特征矩阵进行第三处理，从所述特征矩阵中包括的特征点中确定出目标特征点，以及，基于所述目标特征点确定所述框特征、所述类型特征以及所述维护程度特征。
[0008]在一个示例性实施例中，在所述检测器为所述第一类检测器中包括的二阶段检测器的情况下，利用所述检测器对所述特征矩阵进行第一处理，获取第一锚框，以及，基于所述第一锚框获取所述框特征、所述类型特征以及所述维护程度特征包括：利用所述二阶段检测器中包含的区域生成网络RPN对所述特征矩阵进行处理，以在所述特征矩阵中包括的各个特征点上生成固定比例尺寸的所述第一锚框；按照第一预设规则从所述第一锚框中筛选出目标候选框；获取与所述目标候选框对应的所述框特征、所述类型特征以及所述维护程度特征。
[0009]在一个示例性实施例中，在所述检测器为所述第二类检测器中包括的一阶段基于锚框anchor的检测器的情况下，利用所述检测器对第二锚框进行第二处理，确定出所述框特征、所述类型特征以及所述维护程度特征包括：利用所述一阶段基于anchor的检测器对所述特征矩阵进行分析，以确定出在预设的第二锚框内预测得到的目标标线的类型的概率与阈值的比较结果，其中，所述第二锚框是通过预先划分的网格预设得到的，所述预先划分的网格是对所述特征矩阵进行划分所得到的网格；基于所述比较结果确定所述第二锚框内是否有对应类型的目标特征；获取包含所述目标特征的所有第二锚框以及包含所述目标特征的所有第二锚框对应的维护程度特征；基于所述所有第二锚框并按照预定偏移确定出所有目标框的特征；将所述目标框的特征确定为所述框特征，将所述对应类型的目标特征确定为所述类型特征，以及将包含所述目标特征的所有第二锚框对应的维护程度特征确定为所述维护程度特征。
[0010]在一个示例性实施例中，在所述检测器为所述第三类检测器中包括的一阶段基于无锚框anchor
‑
free的检测器的情况下，利用所述检测器对所述特征矩阵进行第三处理，从所述特征矩阵中包括的特征点中确定出目标特征点，以及，基于所述目标特征点确定所述框特征、所述类型特征以及所述维护程度特征包括：利用所述一阶段基于anchor
‑
free的检测器对所述特征矩阵进行分析，以确定出所述特征矩阵中包括的每个特征点的分类、中心性、相对框四个边的偏移回归以及维护程度分类；将分类分数与中心性的乘积作为各特征点的预测标线的类型分数；通过阈值筛选获取可靠的接近目标中心的所述目标特征点，通过获取所述目标特征点的相对框四个边的偏移回归获取框的四个角，以得到所述框特征；基于所述目标特征点对应的分类确定所述类型特征，以及，基于所述目标特征点对应的维护程度分类确定所述维护程度特征。
[0011]在一个示例性实施例中，基于所述框特征、所述类型特征、所述维护程度特征，在所述目标图像中框选出所述目标标线，并在所述目标图像中标识出所述目标标线的类型以及维护程度包括：按照第二预设规则对所述框特征、所述类型特征、所述维护程度特征做筛选，以确定出目标框特征、目标类型特征以及目标维护程度特征；基于目标框特征、目标类型特征以及目标维护程度特征在所述目标图像中框选出所述目标标线并在所述目标图像中标识出所述目标标线的类型以及维护程度。
[0012]在一个示例性实施例中，对目标图像进行分析，以获取所述目标图像的特征矩阵
包括：利用主干网络对所述目标图像进行卷积、归一化、激活、池化、全连接处理，以获取所述目标图像的特征矩阵；其中，所述主干网络包括基础网络和特征金字塔，所述基础网络包括以下之一：残差网络ResNet、视觉几何组神经网络VGG、堆叠沙漏网络Stacked Hourglass、移动网络MobileNet、高效残差分解神经网络ERFNet。
[0013]在一个示例性实施例中，所述维护程度包括以下至少之一：无需维护；脏污；破损；褪色；重复印刷；积水积雪。
[0014]根据本专利技术的另一个实施例，还提供了一种标线识别装置，包括：分析模块，用于对包含目标标线的目标图像进行分析，获取所述目标图像的特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种标线识别方法，其特征在于，包括：对包含目标标线的目标图像进行分析，获取所述目标图像的特征矩阵；对所述特征矩阵进行分析，获取用于框选所述目标标线的框的框特征、所述目标标线的类型的类型特征以及所述目标标线的维护程度的维护程度特征；基于所述框特征、所述类型特征、所述维护程度特征，在所述目标图像中框选出所述目标标线，并在所述目标图像中标识出所述目标标线的类型以及维护程度。2.根据权利要求1所述的方法，其特征在于，对所述特征矩阵进行分析，获取用于框选所述目标标线的框的框特征、所述目标标线的类型的类型特征以及所述目标标线的维护程度的维护程度特征包括：利用检测器对所述特征矩阵进行如下处理，获取所述框特征、所述类型特征以及所述维护程度特征：在所述检测器为第一类检测器的情况下，利用所述检测器对所述特征矩阵进行第一处理，获取第一锚框，以及，基于所述第一锚框获取所述框特征、所述类型特征以及所述维护程度特征；在所述检测器为第二类检测器的情况下，利用所述检测器对第二锚框进行第二处理，确定出所述框特征、所述类型特征以及所述维护程度特征，其中，所述第二锚框为预先对所述特征矩阵进行划分所确定出的锚框；在所述检测器为第三类检测器的情况下，利用所述检测器对所述特征矩阵进行第三处理，从所述特征矩阵中包括的特征点中确定出目标特征点，以及，基于所述目标特征点确定所述框特征、所述类型特征以及所述维护程度特征。3.根据权利要求2所述的方法，其特征在于，在所述检测器为所述第一类检测器中包括的二阶段检测器的情况下，利用所述检测器对所述特征矩阵进行第一处理，获取第一锚框，以及，基于所述第一锚框获取所述框特征、所述类型特征以及所述维护程度特征包括：利用所述二阶段检测器中包含的区域生成网络RPN对所述特征矩阵进行处理，以在所述特征矩阵中包括的各个特征点上生成固定比例尺寸的所述第一锚框；按照第一预设规则从所述第一锚框中筛选出目标候选框；获取与所述目标候选框对应的所述框特征、所述类型特征以及所述维护程度特征。4.根据权利要求2所述的方法，其特征在于，在所述检测器为所述第二类检测器中包括的一阶段基于锚框anchor的检测器的情况下，利用所述检测器对第二锚框进行第二处理，确定出所述框特征、所述类型特征以及所述维护程度特征包括：利用所述一阶段基于anchor的检测器对所述特征矩阵进行分析，以确定出在预设的第二锚框内预测得到的目标标线的类型的概率与阈值的比较结果，其中，所述第二锚框是通过预先划分的网格预设得到的，所述预先划分的网格是对所述特征矩阵进行划分所得到的网格；基于所述比较结果确定所述第二锚框内是否有对应类型的目标特征；获取包含所述目标特征的所有第二锚框以及包含所述目标特征的所有第二锚框对应的维护程度特征；基于所述所有第二锚框并按照预定偏移确定出所有目标框的特征；将所述目标框的特征确定为所述框特征，将所述对应类型的目标特征确定为所述类型
特征，以及将包含所述目标特征的所有第二锚框对应的维护程度特征确定为所述维护程度特征。5.根据权利要求2所述的方法，其特征在于，在所...

【专利技术属性】
技术研发人员：郑幽娴，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：