【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及交通標志識別的預警，特別是一種交通標志識別的預警方法及系統(tǒng)。
技術(shù)介紹
1、交通標志識別在智能駕駛、智能交通領(lǐng)域有著非常重要的應用。隨著人工智能的發(fā)展，深度學習在交通標志識別上的應用也是一個必然的趨勢。通常，一般的做法是，在相機采集到的圖像上，直接用多分類深度學習檢測模型，檢測出交通標志的位置與種類，如申請日為2021年09月13日、公告號為cn113780187a、名稱為“交通標志識別模型訓練方法、交通標志識別方法和裝置”的中國專利，公開了單階段網(wǎng)絡進行交通標志識別。類似于，目前較多論文及方法都集中在提高目標檢測網(wǎng)絡的精度上，來提高報警的準確性。而在報警策略上，通常是直接用圖像的識別結(jié)果作為報警結(jié)果，如申請日為2019年10月12日，授權(quán)公告號為cn110969843b、名稱為“一種具抑制策略的交通標志識別報警方法”的中國專利，其加入了對于圖像質(zhì)量、駕駛員轉(zhuǎn)向意圖、輔標和車輛信息等內(nèi)容的抑制策略，該方法主要根據(jù)車、路、交通標志的空間情況，解決的是將一些圖像質(zhì)量不佳的、匝道上的交通標志等無效警告進行過濾，但該方法并未考慮到因?qū)崟r性、不同光照、不同天氣帶來的正常的有效交通標志識別報警決策問題。
2、在實際中，交通標志的識別受到多種因素的影響，通常會遇到以下技術(shù)問題：
3、1.實時性問題。通常，車載相機采集圖像的分辨率為1080*1920，幀率為25fps、30fps或者60fps甚至更高。交通標志識別一般對于實時性有較高要求，但在車載移動設備中，計算資源較為有限，因此不僅難以應用較大的模型，即
4、2.檢測幀率的影響。車載相機運動速度較快，造成在視野中交通標志很快消失，在移動設備中，算法的幀率難以達到相機獲取圖像的幀率，這就造成在計算中勢必有一些圖像幀不能參與圖像檢測，導致了一些檢測幀的丟失，導致可參與報警決策的幀數(shù)量不多的問題。由于車載相機本身隨著車輛運動，道路旁邊的交通標志出現(xiàn)的相機視野的時間是較短的，而且交通標志本身較小，在合適的距離內(nèi)才能檢測得到，加上上述實時性問題造成的不能夠每一幀參與檢測，因此在移動設備上，交通標志的檢測結(jié)果的數(shù)量是比較少的，會對報警判斷的準確度有較大影響。
5、3.圖像質(zhì)量的影響。在實際中，相機成像受環(huán)境光照影響較大，夜晚、雨雪、反光等各種光照和天氣會對交通標志識別的報警的準確度有著巨大的影響。另外，由于車速較快，在成像中難以避免會出現(xiàn)交通標志的運動模糊，尤其在夜間，問題會更加凸顯，更容易造成交通標志識別算法的誤判。“一種具有抑制策略的交通標志識別報警方法”的中國專利雖然也考慮到了圖像質(zhì)量對于報警結(jié)果有影響，其在步驟一中，根據(jù)圖像的清晰度對結(jié)果進行了抑制。對于計算機視覺而言，圖像清晰度與目標檢測的準確度之間有一定的相關(guān)性，但并不是絕對的。檢測的精度受到多種因素的影響，包括圖像的分辨率、對比度、噪聲水平、光照條件、目標大小和形狀等，清晰度只是其中之一，它也并不是唯一的決定因素。因此不結(jié)合其他維度單從圖像清晰度進行報警的過濾，是不科學的。
6、4.報警的穩(wěn)定性問題。在實際應用中，由于圖像質(zhì)量問題或者識別網(wǎng)絡本身精度的影響，對于交通標志類型的誤識別會導致實時視頻中每一幀的識別結(jié)果不完全一致，比如對于同一個限速60的交通標志，在一些幀中，可能會被誤檢為限速80，但另一些幀會正常檢測為60，如果直接對識別結(jié)果進行報警，會造成在報警時，60和80切換的問題，給駕駛員造成困擾。而且，交通標志在由遠及近進入視野時，交通標志也是由小到大，而小目標的識別相對更加困難，這就可能造成在遠處剛進入視野時交通標志發(fā)生誤識別的概率增大，從而發(fā)生誤報。
7、基于以上難點，業(yè)內(nèi)通常的做法是改進目標檢測網(wǎng)絡的精度，提升檢測網(wǎng)絡的檢測率。但在實際移動設備上，受到較大的計算資源的限制，因此目標檢測網(wǎng)絡的模型大小和參數(shù)大小也都受到較大的限制，且復雜場景下的圖像質(zhì)量問題沒有辦法進行根本問題的解決，依然會造成一些漏報或者誤報。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種能夠提高交通標志識別預警能力的基于車載相機動態(tài)實時交通標志識別的預警方法及系統(tǒng)，以減少交通標志漏報或者誤報，保證預警的穩(wěn)定性。
2、本專利技術(shù)所述的交通標志識別的預警方法，包括以下步驟：
3、s1、將車載相機采集的圖像保持長寬比縮小后，由目標檢測網(wǎng)絡進行交通標志的目標檢測，定位出交通標志的位置區(qū)域，并獲得檢測的第一置信度值；
4、s2、在視頻的幀序列中，當步驟s1中檢測到幾幀的交通標志的第一置信度值均大于預設的置信度閾值后，則利用卡爾曼濾波，在幀序列中對每一個交通標志目標進行軌跡預測，并預測出由于系統(tǒng)性能限制而沒能參與檢測的幀上的交通標志的位置區(qū)域，并取用來進行卡爾曼濾波的各幀中的目標的置信度值，加權(quán)求平均值，以獲得當前預測的幀中目標的第二置信度值；
5、s3、對上述步驟s1和步驟s2得到的交通標志的位置區(qū)域，根據(jù)縮放比例將檢測出或者預測出的交通標志的位置區(qū)域映射到縮放前的更大的原圖的相應區(qū)域；并對原圖中映射得到的檢測區(qū)域采用分類網(wǎng)絡，進行具體交通標志種類的多分類判別，利用softmax函數(shù)輸出其各個類別的概率，取其極大值，對于其概率最高的類別，作為它的交通標志類別，同時也得到了其歸一化的參數(shù)；
6、s4、對于同一個交通標志在相鄰幀上的位置，則計算其中心點的位移，得到其在相對運動速度上的運動參數(shù)；
7、s5、對于步驟s3得到的原圖上的交通標志的位置區(qū)域，通過計算其像素面積，得到其在交通標志區(qū)域尺度上的交通標志區(qū)域尺度參數(shù)；
8、s6、對于步驟s3得到的原圖上的交通標志的位置區(qū)域，通過計算其圖像質(zhì)量指標，得到其在圖像質(zhì)量上的圖像質(zhì)量參數(shù)；
9、s7、構(gòu)建視頻幀序訓練數(shù)據(jù)集，在視頻幀序訓練數(shù)據(jù)集中對于每一個幀序列第一幀以外的每一幀的第一置信度值、第二置信度值、歸一化的參數(shù)、運動參數(shù)、交通標志區(qū)域尺度參數(shù)、圖像質(zhì)量參數(shù)進行加權(quán)求和以獲取每一個圖像序列中每一幀的報警指標，根據(jù)每一個圖像序列中每一幀的交通標志清晰度閾值、交通標志大小閾值、是否正常分本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種交通標志識別的預警方法，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，所述預設閾值為預設數(shù)量值時，則判斷統(tǒng)計出圖像序列中多幀的預警指標在預設數(shù)量值上是否都大于預設預警閾值，且識別的交通標志類型是否一致，是則進行預警。
3.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，所述預設閾值為交通標志的坐標位置閾值時，則判斷統(tǒng)計出圖像序列中多幀的預警指標在交通標志的坐標位置達到預設的位置閾值后是否都大于預設預警閾值，且識別的交通標志類型是否一致，是則進行預警。
4.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，所述預設閾值為交通標志的像素面積閾值時，則判斷統(tǒng)計出圖像序列中多幀的預警指標在交通標志的像素面積達到預設閾值后是否都大于預設預警閾值，且識別的交通標志類型是否一致，是則進行預警。
5.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，在進行S1步驟時，包括并行S2、S3的操作，可在不增加總耗時的前提下，同時獲得檢測、跟蹤、分類的結(jié)果。
6.根據(jù)權(quán)利要求1所述的交通
7.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，在步驟S3中所述分類網(wǎng)絡為mobilenet分類網(wǎng)絡。
8.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，在步驟S3中根據(jù)縮放比例將檢測出或者預測出的交通標志的位置區(qū)域映射到縮放前的更大的原圖的相應區(qū)域具體為：根據(jù)縮放后的圖像寬度為Width1，高度為Height1，原圖的圖像寬度為Width2，高度為Height2，在步驟S1和步驟S2中，獲得縮放圖中交通標志區(qū)域的位置，其左上角坐標為（x1,?y1），右下角坐標為（x2,?y2），則通過等比縮放的映射關(guān)系，可以得到在原圖中，左上角坐標為（x3,?y3），原圖中的右下角坐標為（x4,?y4），其中：
9.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，在步驟S7中求解出各項權(quán)重值主要利用線性或者非線性函數(shù)求解各項權(quán)重值的最優(yōu)解。
10.一種交通標志識別的預警系統(tǒng)，其特征在于，所述交通標志識別的預警系統(tǒng)包括如權(quán)利要求1-9任一項所述的交通標志識別的預警方法。
...【技術(shù)特征摘要】
1.一種交通標志識別的預警方法，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，所述預設閾值為預設數(shù)量值時，則判斷統(tǒng)計出圖像序列中多幀的預警指標在預設數(shù)量值上是否都大于預設預警閾值，且識別的交通標志類型是否一致，是則進行預警。
3.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，所述預設閾值為交通標志的坐標位置閾值時，則判斷統(tǒng)計出圖像序列中多幀的預警指標在交通標志的坐標位置達到預設的位置閾值后是否都大于預設預警閾值，且識別的交通標志類型是否一致，是則進行預警。
4.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，所述預設閾值為交通標志的像素面積閾值時，則判斷統(tǒng)計出圖像序列中多幀的預警指標在交通標志的像素面積達到預設閾值后是否都大于預設預警閾值，且識別的交通標志類型是否一致，是則進行預警。
5.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，其特征在于，在進行s1步驟時，包括并行s2、s3的操作，可在不增加總耗時的前提下，同時獲得檢測、跟蹤、分類的結(jié)果。
6.根據(jù)權(quán)利要求1所述的交通標志識別的預警方法，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王玲，石錫敏，
申請(專利權(quán))人：廣州敏視數(shù)碼科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。