本发明专利技术涉及自动驾驶领域，具体涉及车辆双闪信号灯识别模型构建及识别方法、装置及介质，方法包括：获取车辆尾部双闪信号灯开启或关闭的连续帧图像数据构建样本集；采用样本集对时序网络模型进行训练，得到车辆双闪信号灯识别模型，通过实施本发明专利技术，采用连续帧图像数据作为样本，采用样本对包含卷积神经网络、自注意力机制网络以及循环神经网络的时序网络模型进行训练，得到车辆双闪信号灯识别模型。该方法通过对时序网络模型训练得到车辆双闪信号灯识别模型，时序网络在对数据进行时序分析时，能够有效抵抗光线、距离等环境噪声因素的变化和干扰，具有很好的鲁棒性。由此，解决了现有的双闪信号灯识别对外部环境比较敏感，影响识别准确性的问题。响识别准确性的问题。响识别准确性的问题。
【技术实现步骤摘要】
车辆双闪信号灯识别模型构建及识别方法、装置及介质
[0001]本专利技术涉及自动驾驶领域，具体涉及车辆双闪信号灯识别模型构建及识别方法、装置及介质。
技术介绍
[0002]双闪信号灯是汽车上的一种常见警示灯，对于自动驾驶或智能车辆而言，通过识别其他车辆的双闪信号灯信号，判断前方或后方车辆的行车意图，调整自身行车状态，从而提高自动驾驶车辆的行车安全性和智能化程度。
[0003]目前，双闪信号灯识别首先通过HSV颜色空间阈值过滤、高斯变换以及归一化操作初步确定车尾灯区域；然后采用最大类间方差法以及形态学变换方法分别得到更为准确的车尾灯区域及其轮廓，最后实时跟踪并记录车辆尾灯的开启与熄灭时间，根据尾灯开启规律确认双闪信号灯是否开启。该方法采用传统图像处理方法，不仅对光照、变形场景及其敏感，且实时性达不到要求。
技术实现思路
[0004]有鉴于此，本专利技术提供了一种车辆双闪信号灯识别模型构建及识别方法、装置及介质，以解决现有的双闪信号灯识别对外部环境比较敏感，影响识别准确性的问题。
[0005]第一方面，本专利技术提供了一种车辆双闪信号灯识别模型构建方法，所述方法包括：获取车辆尾部双闪信号灯开启或关闭的连续帧图像数据构建样本集，图像数据设置有双闪信号灯开启或关闭的标签；采用所述样本集对时序网络模型进行训练，得到车辆双闪信号灯识别模型，所述时序网络模型包括卷积神经网络、自注意力机制网络以及循环神经网络。
[0006]本专利技术实施例提供的车辆双闪信号灯识别模型构建方法，采用连续帧图像数据作为样本，采用样本对包含卷积神经网络、自注意力机制网络以及循环神经网络的时序网络模型进行训练，得到车辆双闪信号灯识别模型。该方法通过对时序网络模型训练得到车辆双闪信号灯识别模型，时序网络在对数据进行时序分析时，能够有效抵抗光线、距离等环境噪声因素的变化和干扰，具有很好的鲁棒性。由此，解决了现有的双闪信号灯识别对外部环境比较敏感，影响识别准确性的问题。
[0007]在一种可选的实施方式中，获取车辆尾部双闪信号灯开启或关闭的连续帧图像数据构建样本集，图像数据设置有双闪信号灯开启或关闭的标签，包括：获取车辆尾部双闪信号灯开启和关闭时的视频数据；按照预设时间间隔将所述视频数据进行划分；得到多个连续帧图像数据；对每个连续帧图像数据设置双闪信号灯开启或关闭的标签，形成样本集。
[0008]本专利技术实施例提供的车辆双闪信号灯识别模型构建方法，通过对视频数据划分得到连续帧图像数据，实现了样本集的构建。
[0009]在一种可选的实施方式中，所述循环神经网络为长短期记忆网络，采用所述样本集对时序网络模型进行训练，得到车辆双闪信号灯识别模型，包括：将所述样本集中预设帧图像数据输入至时序网络模型，采用卷积神经网络提取每帧图像的特征，将提取的特征输
入至自注意力机制网络计算特征间的相似性，将多帧对应的相似性大于阈值的特征输入至长短期记忆网络，输出双闪信号灯是否开启的检测结果；基于所述检测结果和所述标签之间的差异对所述时序网络模型的参数进行更新；重复采用时序网络模型进行检测以及参数更新的步骤，直至达到预设训练轮数。
[0010]本专利技术实施例提供的车辆双闪信号灯识别模型构建方法，采用卷积神经网络对每帧图像进行特征提取，设置自注意力机制网络，使得时序网络模型更加关注对双闪信号灯识别更加有利的特征，同时忽略那些不重要的特征。之后采用长短期记忆网络处理由特征构成的特征序列，实现对连续帧图像数据是否包含开启的双闪信号灯的检测结果。
[0011]在一种可选的实施方式中，基于所述检测结果和所述标签之间的差异对所述时序网络模型的参数进行更新，包括：基于所述检测结果和所述标签的差异确定损失函数；基于所述损失函数，采用梯度下降法对所述时序网络模型的参数进行更新。
[0012]第二方面，本专利技术提供了一种车辆双闪信号灯识别模型构建装置，所述装置包括：样本集构建模块，用于获取车辆尾部双闪信号灯开启或关闭的连续帧图像数据构建样本集，图像数据设置有双闪信号灯开启或关闭的标签；模型构建模块，用于采用所述样本集对时序网络模型进行训练，得到车辆双闪信号灯识别模型，所述时序网络模型包括卷积神经网络、自注意力机制网络以及循环神经网络。
[0013]第三方面，本专利技术提供了一种车辆双闪信号灯识别方法，所述方法包括：获取连续的多帧车辆尾部图像数据；将所述多帧车辆尾部图像数据输入至第一方面或其对应的任一实施方式的车辆双闪信号灯识别模型构建方法构建得到的车辆双闪信号灯识别模型，得到双闪信号灯是否开启的识别结果。
[0014]本专利技术实施例提供的车辆双闪信号灯识别方法，通过将连续的多帧车辆尾部图像数据输入至车辆双闪信号灯识别模型，即可得到双闪信号灯是否开启的识别结果。由于该车辆双闪信号灯识别模型是采用时序网络模型训练得到，而双闪信号灯的状态是闪烁的，采用时序网络能够很好的捕捉到这种时序性，因此，通过该识别方法能够实现双闪信号灯是否开启的准确识别。
[0015]第四方面，本专利技术提供了一种车辆双闪信号灯识别装置，所述装置包括：数据获取模块，用于获取连续的多帧车辆尾部图像数据；识别模块，用于将所述车辆尾部图像数据输入至第一方面或其对应的任一实施方式的车辆双闪信号灯识别模型构建方法构建得到的车辆双闪信号灯识别模型，得到双闪信号灯是否开启的识别结果。
[0016]第五方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的车辆双闪信号灯识别模型构建方法以及第三方面的车辆双闪信号灯识别方法。
[0017]第六方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的车辆双闪信号灯识别模型构建方法以及第三方面的车辆双闪信号灯识别方法。
附图说明
[0018]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体
Neural Network，RNN)实现对图像特征序列(即对连续帧图像提取的特征形成的序列)的处理。另外，在训练完成之后，还可以采用测试集对训练得到的车辆双闪信号灯识别模型进行测试，看其是否达到预设要求，当未达到预设要求时，可以重新进行训练，直至训练得到的车辆双闪信号灯满足预设要求。
[0031]本专利技术实施例提供的车辆双闪信号灯识别模型构建方法，采用连续帧图像数据作为样本，采用样本对包含卷积神经网络、自注意力机制网络以及循环神经网络的时序网络模型进行训练，得到车辆双闪信号灯识别模型。该方法通过对时序网络模型训练得到车辆双闪信号灯识别模型，时序网络在对数据进行时序分析时，能够有效抵抗光线、距离等环境噪声因素的变化和干扰，具有很好的鲁棒性。由此，解决了现有的双闪信号灯识别对外部环境比较敏感，影响识别准确性的问题。
[0032]在本实施例中提供了一种车辆双闪信号灯识别模型构建方法，该本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆双闪信号灯识别模型构建方法，其特征在于，所述方法包括：获取车辆尾部双闪信号灯开启或关闭的连续帧图像数据构建样本集，图像数据设置有双闪信号灯开启或关闭的标签；采用所述样本集对时序网络模型进行训练，得到车辆双闪信号灯识别模型，所述时序网络模型包括卷积神经网络、自注意力机制网络以及循环神经网络。2.根据权利要求1所述的方法，其特征在于，获取车辆尾部双闪信号灯开启或关闭的连续帧图像数据构建样本集，图像数据设置有双闪信号灯开启或关闭的标签，包括：获取车辆尾部双闪信号灯开启和关闭时的视频数据；按照预设时间间隔将所述视频数据进行划分；得到多个连续帧图像数据；对每个连续帧图像数据设置双闪信号灯开启或关闭的标签，形成样本集。3.根据权利要求1所述的方法，其特征在于，所述循环神经网络为长短期记忆网络，采用所述样本集对时序网络模型进行训练，得到车辆双闪信号灯识别模型，包括：将所述样本集中预设帧图像数据输入至时序网络模型，采用卷积神经网络提取每帧图像的特征，将提取的特征输入至自注意力机制网络计算特征间的相似性，将多帧对应的相似性大于阈值的特征输入至长短期记忆网络，输出双闪信号灯是否开启的检测结果；基于所述检测结果和所述标签之间的差异对所述时序网络模型的参数进行更新；重复采用时序网络模型进行检测以及参数更新的步骤，直至达到预设训练轮数。4.根据权利要求3所述的方法，其特征在于，基于所述检测结果和所述标签之间的差异对所述时序网络模型的参数进行更新，包括：基于所述检测结果和所述标签的差异确定损失函数；基于所述损失函数，采用梯度下降法对所述时序网络模型的参数进行更新。5.一种车辆双闪信号灯识别模型构建装置，其特征在于，...
【专利技术属性】
技术研发人员：马金燕，吴锐，袁聪，王广杰，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。