[发明专利]实况全景交通标志的实时识别方法

说明书

本发明公开一种实况全景交通标志的实时识别方法，针对实时采集到的大分辨率全景交通图像，采用提出的数据处理方法提取训练集，并对提出的TSNet网络进行训练与微调，在检测阶段，基于图像金字塔的图像缩放后，进行滑动窗口的处理方法和DS‑NMS算法来保证目标的实时性识别和提高准确度，从而能够在实况全景状态下对交通标志进行快速准确的识别。

技术领域

本发明涉及图像识别技术领域，具体涉及一种实况全景交通标志的实时 识别方法。

背景技术

随着无人驾驶和智能交通系统的火热，交通标志作为道路交通的重要组 成部分，扮演着不可或缺的角色。交通标志的实时识别对于无人驾驶等视觉 系统的新兴领域有着推动作用，智能交通辅助驾驶系统在复杂的道路信息中， 能够准确检测和识别关键的道路信息。在无人驾驶的研究方面，交通标志的 实时识别系统可向驾驶系统传输一些重要的道路交通信息，进而指导无人驾 驶汽车做出正确的行驶判断，从而实现无人驾驶汽车的安全行驶。

现有目标识别方法都是针对较大的物体(目标框占整个图片的20％左 右)。虽然，目前对于图像占比很大的交通标志的检测识别的精度上已经有了 很大的成果，但是识别的速度还是不够快，尤其是对于实况全景的交通标志 达不到精确识别，速度也达不到实时的要求。此外，在现实生活中所看到的 交通标志只占视野中很小的一部分，大约占视野图片的0.001％-5％，这对于 实时精确检测识别交通标志来说有很大的挑战。

发明内容

本发明所要解决的是现有目标识别方法无法实时精确检测识别交通标志 的问题，提供一种实况全景交通标志的实时识别方法。

为解决上述问题，本发明是通过以下技术方案实现的：

实况全景交通标志的实时识别方法，其具体包括步骤如下：

步骤1、选取带有交通标志的全景交通图像，其中全景交通图像上的每 个交通标志均标注了目标框和类别；

步骤2、将步骤1的全景交通图像均匀分割为若干个原始图像块，并这 些原始图像块中筛选出含有交通标志目标框的原始图像块组，并通过坐标换 算重新计算交通标志目标框在每个原始图像块组的位置；

步骤3、将步骤2所筛选出的原始图像块组转换为PASCAL VOC标准数 据集格式，由此得到原始训练集；该原始训练集中的图像中标注了交通标志 的目标框和类别；

步骤4、对步骤1所选取的全景交通图像进行压缩，得到压缩后的全景 交通图像，其中压缩后的全景交通图像上的每个交通标志均标注了目标框和 类别；

步骤5、将步骤4的压缩后的全景交通图像均匀分割为若干个压缩图像 块，并这些压缩图像块中筛选出含有交通标志目标框的压缩图像块组，并通 过坐标换算重新计算交通标志目标框在每个压缩图像块组的位置；

步骤6、将步骤5所筛选出的压缩图像块组转换为PASCAL VOC标准数 据集格式，由此得到压缩训练集；该压缩训练集中的图像中标注了交通标志 的目标框和类别；

步骤7、构建TSNet(Traffic Signs Network)检测模型，该TSNet检测模型 以yolov3-tiny作为基础网络，并在此基础上添加直通层进行特征重组，通过 更高尺度的特征图yolo层和中尺度特征图的yolo层进行上采样后，与网络前 层的高尺度卷积层特征图进行特征融合；

步骤8、将步骤4所得到的原始训练集送入到步骤7所构建的TSNet检 测模型进行训练，得到初训练的TSNet检测模型；

步骤9、将步骤6所得到的压缩训练集送入到步骤8所得到的初训练的 TSNet检测模型中进行训练，得到最终训练的TSNet检测模型；