【技术实现步骤摘要】
本专利技术涉及智能驾驶，具体涉及一种红绿灯检测方法及装置、电子设备及存储介质。
技术介绍
1、自动驾驶技术主要分为视觉感知、决策控制、路径规划三个主要模块。视觉感知又可分为静态目标、动态目标、可行驶区域车道线等方向。作为静态目标检测的一种类别，进行准确快速的红绿灯检测与识别对于后续车辆控制、路径规划模块起着重要的作用。
2、然而现有技术中，对红绿灯检测识别需要嵌入式硬件设备满足较高的性能要求，并且需要gpu、cuda等技术支持；否则难以达到良好的识别效果。
3、由此可见，相关技术中存在当硬件设备性能较低时，对红绿灯进行识别检测效果差的技术问题。
技术实现思路
1、本专利技术的目的之一在于提供一种红绿灯检测方法，以解决现有技术中的当硬件设备性能较低时，对红绿灯进行识别检测效果差的问题；目的之二在于提供一种红绿灯检测装置；目的之三在于提供一种电子设备，目的之四在于提供一种存储介质。
2、为了实现上述目的，本专利技术采用的技术方案如下：
3、一种红绿灯检测方法，包括：
4、获取对道路环境采集得到的目标图像信息；
5、对所述目标图像信息进行感兴趣区域提取，得到感兴趣图像；
6、对所述感兴趣图像进行特征提取，得到多个图像特征；
7、通过预先训练得到的目标分类器对所述多个图像特征进行分类，确定出所述感兴趣图像中的目标红绿灯的目标类别。
8、本实施例的方法，通过对目标图像信息进行感兴趣区域
9、可选地，如前述的红绿灯检测方法，在所述通过预先训练得到的目标分类器对所述多个图像特征进行分类，确定出所述感兴趣图像中的目标红绿灯的目标类别之前，所述方法还包括：
10、获取包括红绿灯图像信息的正样本；获取未包含所述红绿灯图像信息的负样本；
11、基于所述正样本以及所述负样本构建得到红绿灯样本库；
12、通过所述红绿灯样本库对原始分类器进行训练，得到所述目标分类器。
13、本实施例的方法，从而可以提前对原始分类器进行训练，得到可以提供分类能力的目标分类器。
14、可选地，如前述的红绿灯检测方法，所述对所述目标图像信息进行感兴趣区域提取，得到感兴趣图像，包括：
15、确定用于采集所述图像信息的图像采集装置的安装位置；
16、确定出与所述安装位置对应的感兴趣区域的感兴趣位置信息；
17、按照所述感兴趣位置信息对所述图像信息进行感兴趣区域提取，得到所述感兴趣图像。
18、本实施例的方法，通过安装位置确定出感兴趣图像，从而可以准确地确定出用于进行后期分类的感兴趣图像，并且可以减少无关像素值得干扰，避免了大量无效计算，提高了红绿灯检测的效率。
19、可选地，如前述的红绿灯检测方法，所述对所述感兴趣图像进行特征提取，得到多个图像特征，包括：
20、按照预设大小的滑动窗口，以固定步长遍历截取所述感兴趣图像，得到多个截取图像；
21、提取得到与每个截取图像对应的harr特征；
22、确定出每个harr特征的特征值，并将所有特征值作为所述多个图像特征。
23、通过本实施例的方法，提供了一种提取得到harr特征的特征值的方式。
24、可选地，如前述的红绿灯检测方法，所述通过预先训练得到的目标分类器对所述多个图像特征进行分类，确定出所述感兴趣图像中的目标红绿灯的目标类别，包括：
25、将每个图像特征分别输入作为所述目标分类器的级联分类器中，得到与所述每个图像特征对应的分类结果；
26、基于所有所述分类结果，确定出所述目标类别。
27、通过本实施例的方法，采用级联分类器进行分类，从而可以有效提升识别的准确性和效率。
28、可选地，如前述的红绿灯检测方法，所述将每个图像特征分别输入所述级联分类器中，得到与所述每个图像特征对应的分类结果，包括：
29、循环执行以下分类操作，直至得到由最终分类器分类得到的最终子分类结果为止：
30、将待处理数据输入当前分类器中，得到由所述当前分类器分类得到的当前子分类结果，其中，在所述待处理数据为所述图像特征的情况下，所述当前分类器为所述级联分类器中位于首位的首个分类器，在所述当前分类器不是首个分类器的情况下，所述待处理数据为前一个分类器分类得到的前一子分类结果；
31、在所述当前分类器不是所述级联分类器中位于末尾的所述最终分类器的情况下，通过所述当前子分类结果对所述待处理数据进行更新，通过所述当前分类器的后一个分类器对所述当前分类器进行更新，并执行用于跳转至步骤所述将待处理数据输入当前分类器中，得到由所述当前分类器分类得到的当前子分类结果的跳转操作；
32、在所述当前分类器是所述级联分类器中位于末尾的所述最终分类器的情况下，将所述当前子分类结果确定为所述最终子分类结果。
33、通过本实施例的方法，采用多个分类器依次对每个特征值进行分类，从而可以进一步提升级联分类器的识别的准确性。
34、可选地，如前述的红绿灯检测方法，每个所述分类器中包括多个弱分类器，所述弱分类器的深度为预设深度。
35、通过本实施例的方法，采用一个分类器中包括多个弱分类器，从而可以提升每个分类器的识别的准确性，进而可以便于提升级联分类器整体的准确性。
36、根据本申请实施例的另一个方面，还提供了一种红绿灯检测装置，包括
37、获取模块，用于获取对道路环境采集得到的目标图像信息；
38、第一提取模块，用于对所述目标图像信息进行感兴趣区域提取，得到感兴趣图像；
39、第二提取模块，用于对所述感兴趣图像进行特征提取，得到多个图像特征；
40、分类模块，用于通过预先训练得到的目标分类器对所述多个图像特征进行分类，确定出所述感兴趣图像中的目标红绿灯的目标类别。
41、根据本申请实施例的又一个方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；其中，存储器，用于存储计算机程序；处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
42、根据本申请实施例的又一个方面，还提供了一种计算机可读的存储介质，该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任一实施例中的方法步骤。
43、本专利技术的有益效果：
44、通过对目标图像信息进行感兴趣区域提取，得到感兴趣图像，从而只截取原始图片感兴趣区域进行特征提本文档来自技高网...
【技术保护点】
1.一种红绿灯检测方法，其特征在于，包括：
2.根据权利要求1所述的红绿灯检测方法，其特征在于，在所述通过预先训练得到的目标分类器对所述多个图像特征进行分类，确定出所述感兴趣图像中的目标红绿灯的目标类别之前，所述方法还包括：
3.根据权利要求1所述的红绿灯检测方法，其特征在于，所述对所述目标图像信息进行感兴趣区域提取，得到感兴趣图像，包括：
4.根据权利要求1所述的红绿灯检测方法，其特征在于，所述对所述感兴趣图像进行特征提取，得到多个图像特征，包括：
5.根据权利要求4所述的红绿灯检测方法，其特征在于，所述通过预先训练得到的目标分类器对所述多个图像特征进行分类，确定出所述感兴趣图像中的目标红绿灯的目标类别，包括：将每个图像特征分别输入作为所述目标分类器的级联分类器中，得到与所述每个图像特征对应的分类结果；
6.根据权利要求5所述的红绿灯检测方法，其特征在于，所述将每个图像特征分别输入所述级联分类器中，得到与所述每个图像特征对应的分类结果，包括：
7.根据权利要求6所述的红绿灯检测方法，其特征在于，每个所述分类
8.一种红绿灯检测装置，其特征在于，包括
9.一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，其特征在于，
10.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至7中任一项中所述的方法。
...【技术特征摘要】
1.一种红绿灯检测方法，其特征在于，包括：
2.根据权利要求1所述的红绿灯检测方法，其特征在于，在所述通过预先训练得到的目标分类器对所述多个图像特征进行分类，确定出所述感兴趣图像中的目标红绿灯的目标类别之前，所述方法还包括：
3.根据权利要求1所述的红绿灯检测方法，其特征在于，所述对所述目标图像信息进行感兴趣区域提取，得到感兴趣图像，包括：
4.根据权利要求1所述的红绿灯检测方法，其特征在于，所述对所述感兴趣图像进行特征提取，得到多个图像特征，包括：
5.根据权利要求4所述的红绿灯检测方法，其特征在于，所述通过预先训练得到的目标分类器对所述多个图像特征进行分类，确定出所述感兴趣图像中的目标红绿灯的目标类别，包括：将每个图像特征分别输入作为所述目标分类器的级...
【专利技术属性】
技术研发人员：杨世安，董楠，
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。