一种道路交通标志识别方法及系统、计算机可读存储介质技术方案

本发明专利技术涉及一种道路交通标志识别方法及系统、计算机可读存储介质，包括：获取行车轨迹前方的道路标志图像；提取所述道路标志图像中的多种图像特征；所述多种图像特征包括图像的底色特征、文字特征、数字特征和符号特征中的至少一种；将所述多种图像特征输入预先训练好的深度学习模型进行道路标志识别获得标志识别结果；所述进行道路标志识别包括对所述多种图像特征进行同步分类识别获得对应的多个识别结果，并根据所述多个识别结果获得所述标志识别结果。通过本发明专利技术，能够提高车载端的交通标志识别反应的灵敏度和实时性。标志识别反应的灵敏度和实时性。标志识别反应的灵敏度和实时性。

【技术实现步骤摘要】
一种道路交通标志识别方法及系统、计算机可读存储介质


[0001]本专利技术涉及交通标志识别
，具体涉及一种道路交通标志识别方法及系统、计算机可读存储介质。

技术介绍

[0002]目前，智能交通系统在我国发展迅速，驾驶安全问题、城市交通堵塞问题、运输效率问题都有望通过对车辆信息化和智能化的改造获得改善。目前交通标志识别主要是通过摄像头结合机器识别来主动完成交通标志的识别；该方案一般是通过安装在交通工具上的摄像机摄取户外自然场景中交通标志图像，输入计算机进行处理完成的。由于户外环境存在多种复杂因素的影响，尤其是车辆处于快速行驶工况下时，对图像交通标志的识别难度很大，目前的车载端的交通标志识别系统在面对该工况时，反应的灵敏度和实时性较差，因此还有待进一步改进。

技术实现思路

[0003]本专利技术的目的在于提出一种道路交通标志识别方法及系统、计算机可读存储介质，以提高车载端的交通标志识别反应的灵敏度和实时性。
[0004]为实现上述目的，本专利技术第一方面提出一种道路交通标志识别方法，包括：
[0005]获取行车轨迹前方的道路标志图像；
[0006]提取所述道路标志图像中的多种图像特征；其中，所述多种图像特征包括图像的底色特征、文字特征、数字特征和符号特征中的至少一种；
[0007]将所述多种图像特征输入预先训练好的深度学习模型进行道路标志识别获得标志识别结果；其中，所述进行道路标志识别包括对所述多种图像特征进行同步分类识别获得对应的多个识别结果，并根据所述多个识别结果获得所述标志识别结果。
[0008]可选地，所述提取所述道路标志图像中的多种图像特征，包括：
[0009]对所述道路标志图像进行图像增强处理，并将图像增强处理后的道路标志图像输入预先训练好的特征提取模型进行特征提取获得所述多种图像特征。
[0010]可选地，所述对所述道路标志图像进行图像增强处理，包括：
[0011]对所述道路标志图像中的道路标志牌进行检测获得标志牌区域图像；
[0012]对所述标志牌区域图像中的道路标志牌底色饱和度进行识别，并根据底色饱和度识别结果对所述标志牌区域图像进行饱和度校正获得所述图像增强处理后的道路标志图像。
[0013]可选地，所述预先训练好的深度学习模型包括依次连接的处理层、输出层；
[0014]所述处理层包括与所述多种图像特征对应的多个识别进程，每一个识别进程分别通过一个卷积层与所述特征提取模型连接；所述特征提取模型输出的多种图像特征分别输入对应的卷积层和识别进程进行识别处理输出对应的识别结果；
[0015]所述输出层用于对所述多个识别进程的识别结果进行卷积处理获得所述标志识
别结果。
[0016]可选地，所述特征提取模型为基于MobileNet V3模型进行预先训练获得；所述深度学习模型为基于SSD模型进行预先训练获得。
[0017]本专利技术第二方面提出一种道路交通标志识别系统，包括：
[0018]图像获取单元，用于获取行车轨迹前方的道路标志图像；
[0019]特征提取单元，用于提取所述道路标志图像中的多种图像特征；其中，所述多种图像特征包括图像的底色特征、文字特征、数字特征和符号特征中的至少一种；
[0020]标志识别单元，用于将所述多种图像特征输入预先训练好的深度学习模型进行道路标志识别获得标志识别结果；其中，所述进行道路标志识别包括对所述多种图像特征进行同步分类识别获得对应的多个识别结果，并根据所述多个识别结果获得所述标志识别结果。
[0021]可选地，所述特征提取单元，包括：
[0022]图像增强子单元，用于对所述道路标志图像进行图像增强处理；
[0023]特征提取子单元，用于将图像增强处理后的道路标志图像输入预先训练好的特征提取模型进行特征提取获得所述多种图像特征。
[0024]可选地，所述图像增强子单元，具体用于：
[0025]对所述道路标志图像中的道路标志牌进行检测获得标志牌区域图像；以及
[0026]对所述标志牌区域图像中的道路标志牌底色饱和度进行识别，并根据底色饱和度识别结果对所述标志牌区域图像进行饱和度校正获得所述图像增强处理后的道路标志图像。
[0027]可选地，所述预先训练好的深度学习模型包括依次连接的处理层、输出层；所述处理层包括与所述多种图像特征对应的多个识别进程，每一个识别进程分别通过一个卷积层与所述特征提取模型连接；所述特征提取模型输出的多种图像特征分别输入对应的卷积层和识别进程进行识别处理输出对应的识别结果；所述输出层用于对所述多个识别进程的识别结果进行卷积处理获得所述标志识别结果；
[0028]其中，所述特征提取模型为基于MobileNet V3模型进行预先训练获得；所述深度学习模型为基于SSD模型进行预先训练获得。
[0029]本专利技术第三方面提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述道路交通标志识别方法的步骤。
[0030]实施上述的道路交通标志识别方法及系统、计算机可读存储介质，至少具有以下有益效果：
[0031]通过对行车轨迹前方的道路标志图像进行特征提取获得关于前方道路标志牌的多种图像特征，例如是图像的底色特征、文字特征、数字特征和符号特征等；并进一步利用深度学习模型对该多种图像特征进行同步分类识别，最终将同步分类识别的多个结果进行汇总，确定前方道路标志牌的具体信息内容，。相对于现有技术而言，本专利技术实施例由于同步对各种不同类型的图像特征进行分类识别后再汇总确定道路标志信息，大大提高了对道路标志的识别能力，因此能够提高车辆处于快速行驶工况下时的道路交通标志识别的灵敏度和实时性。
[0032]上述的道路交通标志识别方法及系统、计算机可读存储介质的其它特征和优点将
在随后的说明书中阐述。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]图1为本专利技术一实施例中一种道路交通标志识别方法流程图。
[0035]图2为本专利技术一实施例中另一种道路交通标志识别方法流程图。
[0036]图3为本专利技术一实施例中特征提取模型与深度学习模型示意图图。
[0037]图4为本专利技术一实施例中一种道路交通标志识别系统结构框架图。
[0038]图5为本专利技术一实施例中另一种道路交通标志识别系统结构框架图。
[0039]图6为本专利技术一实施例中特征提取单元结构框架图。
具体实施方式
[0040]以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。另外，为了更好的说明本专利技术，在下文的具体实施例中给出了众多的具体细节。本领域技术人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路交通标志识别方法，其特征在于，包括：获取行车轨迹前方的道路标志图像；提取所述道路标志图像中的多种图像特征；其中，所述多种图像特征包括图像的底色特征、文字特征、数字特征和符号特征中的至少一种；将所述多种图像特征输入预先训练好的深度学习模型进行道路标志识别获得标志识别结果；其中，所述进行道路标志识别包括对所述多种图像特征进行同步分类识别获得对应的多个识别结果，并根据所述多个识别结果获得所述标志识别结果。2.根据权利要求1所述的道路交通标志识别方法，其特征在于，所述提取所述道路标志图像中的多种图像特征，包括：对所述道路标志图像进行图像增强处理，并将图像增强处理后的道路标志图像输入预先训练好的特征提取模型进行特征提取获得所述多种图像特征。3.根据权利要求2所述的道路交通标志识别方法，其特征在于，所述对所述道路标志图像进行图像增强处理，包括：对所述道路标志图像中的道路标志牌进行检测获得标志牌区域图像；对所述标志牌区域图像中的道路标志牌底色饱和度进行识别，并根据底色饱和度识别结果对所述标志牌区域图像进行饱和度校正获得所述图像增强处理后的道路标志图像。4.根据权利要求2所述的道路交通标志识别方法，其特征在于，所述预先训练好的深度学习模型包括依次连接的处理层、输出层；所述处理层包括与所述多种图像特征对应的多个识别进程，每一个识别进程分别通过一个卷积层与所述特征提取模型连接；所述特征提取模型输出的多种图像特征分别输入对应的卷积层和识别进程进行识别处理输出对应的识别结果；所述输出层用于对所述多个识别进程的识别结果进行卷积处理获得所述标志识别结果。5.根据权利要求4所述的道路交通标志识别方法，其特征在于，所述特征提取模型为基于MobileNet V3模型进行预先训练获得；所述深度学习模型为基于SSD模型进行预先训练获得。6.一种道路交通标志识别系统，其特征在于，包括：图像获取单元，用于获取行车轨迹前方的道路标...

【专利技术属性】
技术研发人员：李彤，冉光伟，周晓峰，梁伟强，张宗煜，柯华强，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：