交通标志信息的确定方法及装置、存储介质及电子装置制造方法及图纸

本申请公开了一种交通标志信息的确定方法及装置、存储介质及电子装置。该交通标志信息的确定方法包括：通过目标车辆的图像采集装置采集目标方向上的目标图像，其中，所述目标方向为所述目标车辆的行驶方向；通过交通标志检测模型从所述目标图像中确定目标子图像，其中，所述目标子图像中具有交通标志；通过交通标志识别模型确定所述目标子图像中交通标志的交通标志信息。采用上述技术方案，解决了从图像采集装置采集到的图像中确定出交通标志信息的速度较低的问题。信息的速度较低的问题。信息的速度较低的问题。

【技术实现步骤摘要】
交通标志信息的确定方法及装置、存储介质及电子装置


[0001]本申请涉及计算机
，具体而言，涉及一种交通标志信息的确定方法及装置、存储介质及电子装置。

技术介绍

[0002]交通标志一般具有醒目的颜色(如红、黄、蓝、白等)和固定的形状(如圆形、三角形、矩形等)，不同的颜色和形状代表交通标志的不同类别，虽然交通标志设计简单明了，但依然能够传达丰富的信息，十分便于驾驶识别。即通常情况下，驾驶人员在驾驶车辆的时候，需要观察道路上的交通标志，进而获取道路信息等等。
[0003]目前，为了辅助驾驶人员识别交通标志，通常都是使用车辆上搭载的图像采集装置采集车辆行驶过程中的图像，并直接对图像进行识别，确定出交通标志信息，但此种方式会面临计算复杂度高，速度不够快的问题。
[0004]针对相关技术中，从图像采集装置采集到的图像中确定出交通标志信息的速度较低的问题，目前尚未提出有效的解决方案。
[0005]因此，有必要对相关技术予以改良以克服相关技术中的所述缺陷。

技术实现思路

[0006]本专利技术实施例提供了一种交通标志信息的确定方法及装置、存储介质及电子装置，以至少解决从图像采集装置采集到的图像中确定出交通标志信息的速度较低的问题。
[0007]根据本专利技术实施例的一方面，提供一种交通标志信息的确定方法，包括：通过目标车辆的图像采集装置采集目标方向上的目标图像，其中，所述目标方向为所述目标车辆的行驶方向；通过交通标志检测模型从所述目标图像中确定目标子图像，其中，所述目标子图像中具有交通标志；通过交通标志识别模型确定所述目标子图像中交通标志的交通标志信息。
[0008]在一个示例性的实施例中，通过交通标志检测模型从所述目标图像中确定目标子图像之前，所述方法还包括：通过以下步骤对使用整体嵌套边缘检测算法的检测模型进行第i轮训练：通过第i
‑
1轮训练得到的检测模型对第一训练数据集合中的样本图像进行处理，得到预测真值平面边缘矩阵，其中，所述样本图像与目标真值平面边缘矩阵相对应，所述样本图像中具有交通标志，所述目标真值平面边缘矩阵至少用于指示所述样本图像中的交通标志在所述样本图像中所在的区域；根据所述目标真值平面边缘矩阵和所述预测真值平面边缘矩阵确定第i轮训练的目标损失值；在所述第i轮训练的目标损失值不满足预设的收敛调节的情况下，对所述第i
‑
1轮训练得到的检测模型中的参数进行调整，确定出第i轮训练得到的检测模型；在所述第i轮训练的目标损失值满足预设的收敛调节的情况下，结束训练，并将结束训练时的检测模型确定为所述交通标志检测模型。
[0009]在一个示例性的实施例中，通过第i
‑
1轮训练得到的检测模型对训练数据集合中的样本图像进行处理，得到预测真值平面边缘矩阵，包括：通过第i
‑
1轮训练得到的检测模
型中的M个侧面输出层中每个侧面输出层对训练数据集合中的样本图像进行处理，得到M个参考真值平面边缘矩阵；通过第i
‑
1轮训练得到的检测模型中的融合层对所述M个参考真值平面边缘矩阵进行融合处理，得到预设真值平面边缘矩阵。
[0010]在一个示例性的实施例中，根据所述目标真值平面边缘矩阵和所述预测真值平面边缘矩阵确定第i轮训练的目标损失值，包括：对所述M个参考真值平面边缘矩阵中的每个参考真值平面边缘矩阵与所述目标真值平面边缘矩阵进行损失计算，得到多个第一损失值；对所述多个第一损失值进行加权求和，得到第一目标损失值；对所述预设真值平面边缘矩阵与所述目标真值平面边缘矩阵进行损失计算，得到第二目标损失值；根据所述第一目标损失值和所述第二目标损失值确定第i轮训练的目标损失值。
[0011]在一个示例性的实施例中，对所述第i
‑
1轮训练得到的检测模型中的参数进行调整，包括：对所述第i
‑
1轮训练得到的检测模型中的网络层参数进行调整；以及对所述第i
‑
1轮训练得到的检测模型中的每个侧面输出层对应的权重进行调整；以及对所述第i
‑
1轮训练得到的检测模型中的融合层的权重进行调整。
[0012]在一个示例性的实施例中，通过交通标志识别模型确定所述目标子图像中交通标志的交通标志信息之前，所述方法还包括：获取第二训练数据集，其中，所述第二训练数据集包括：第一类型样本图像，第二类型样本图像；所述第一类型样本图像中包括交通标志，所述第二类型样本图像中不包括交通标志；使用目标算法提取所述第二训练数据集中样本图像的特征，得到特征集合；对所述特征集合中每个特征对应的子识别模型进行训练，得到多个目标子识别模型；将所述多个目标子识别模型进行级联，得到所述交通标志识别模型。
[0013]在一个示例性的实施例中，通过交通标志检测模型从所述目标图像中确定目标子图像之后，所述方法还包括：确定所述目标子图像中交通标志的大小和形状；通过交通标志识别模型确定所述目标子图像中交通标志的交通标志信息，包括：将所述目标子图像、所述交通标志的大小和形状输入至交通标志识别模型中，得到所述目标子图像中交通标志的交通标志信息，其中，所述交通标志信息包括：所述交通标志的类型，所述交通标志中的文字信息。
[0014]根据本专利技术实施例的另一方面，还提供了一种交通标志信息的确定装置，包括：采集模块，用于通过目标车辆的图像采集装置采集目标方向上的目标图像，其中，所述目标方向为所述目标车辆的行驶方向；第一确定模块，用于通过交通标志检测模型从所述目标图像中确定目标子图像，其中，所述目标子图像中具有交通标志；第二确定模块，用于通过交通标志识别模型确定所述目标子图像中交通标志的交通标志信息。
[0015]根据本专利技术实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述交通标志信息的确定方法。
[0016]根据本专利技术实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述交通标志信息的确定方法。
[0017]通过本专利技术，提出了一种由粗到细的交通标志检测和识别方法，先通过交通标志检测模型从图像采集装置采集到的目标图像中确定具有交通标志的目标子图像，过滤掉目标图像中其他的背景区域，再通过交通标志识别模型确定目标子图像中交通标志的交通标
志信息，进而避免了对整张图像进行交通标志的识别处理面临的计算复杂度高，速度不够快的问题，解决了从图像采集装置采集到的图像中确定出交通标志信息的速度较低的问题，进而提高了交通标志识别的实时性和准确性。
附图说明
[0018]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0019]为了更清楚地说明本申请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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通标志信息的确定方法，其特征在于，包括：通过目标车辆的图像采集装置采集目标方向上的目标图像，其中，所述目标方向为所述目标车辆的行驶方向；通过交通标志检测模型从所述目标图像中确定目标子图像，其中，所述目标子图像中具有交通标志；通过交通标志识别模型确定所述目标子图像中交通标志的交通标志信息。2.根据权利要求1所述的方法，其特征在于，通过交通标志检测模型从所述目标图像中确定目标子图像之前，所述方法还包括：通过以下步骤对使用整体嵌套边缘检测算法的检测模型进行第i轮训练：通过第i
‑
1轮训练得到的检测模型对第一训练数据集合中的样本图像进行处理，得到预测真值平面边缘矩阵，其中，所述样本图像与目标真值平面边缘矩阵相对应，所述样本图像中具有交通标志，所述目标真值平面边缘矩阵至少用于指示所述样本图像中的交通标志在所述样本图像中所在的区域；根据所述目标真值平面边缘矩阵和所述预测真值平面边缘矩阵确定第i轮训练的目标损失值；在所述第i轮训练的目标损失值不满足预设的收敛调节的情况下，对所述第i
‑
1轮训练得到的检测模型中的参数进行调整，确定出第i轮训练得到的检测模型；在所述第i轮训练的目标损失值满足预设的收敛调节的情况下，结束训练，并将结束训练时的检测模型确定为所述交通标志检测模型。3.根据权利要求2所述的方法，其特征在于，通过第i
‑
1轮训练得到的检测模型对训练数据集合中的样本图像进行处理，得到预测真值平面边缘矩阵，包括：通过第i
‑
1轮训练得到的检测模型中的M个侧面输出层中每个侧面输出层对训练数据集合中的样本图像进行处理，得到M个参考真值平面边缘矩阵；通过第i
‑
1轮训练得到的检测模型中的融合层对所述M个参考真值平面边缘矩阵进行融合处理，得到预设真值平面边缘矩阵。4.根据权利要求3所述的方法，其特征在于，根据所述目标真值平面边缘矩阵和所述预测真值平面边缘矩阵确定第i轮训练的目标损失值，包括：对所述M个参考真值平面边缘矩阵中的每个参考真值平面边缘矩阵与所述目标真值平面边缘矩阵进行损失计算，得到多个第一损失值；对所述多个第一损失值进行加权求和，得到第一目标损失值；对所述预设真值平面边缘矩阵与所述目标真值平面边缘矩阵进行损失计算，得到第二目标损失值；根据所述第一目标损失值和所述...

【专利技术属性】
技术研发人员：夏钲轩，齐磊，谢玉龙，
申请(专利权)人：禾多科技北京有限公司，
类型：发明
国别省市：