[发明专利]交通标识牌识别方法、装置和电子设备

说明书

本发明提供了一种交通标识牌识别方法、装置和电子设备。其中，该方法包括：获取目标视频，从目标视频中提取多个目标图片；将多个目标图片输入预先训练完成的交通标识牌检测模型中，输出多个目标图片包含的交通标识牌的检测结果；其中，检测结果表征交通标识牌的检测框的位置；通过交叉二次判别分析的方式识别多个检测框内的交通标识牌的类型。该方式中通过交叉二次判别分析的方式识别交通标识牌的类型，可以提高分类速度和分类准确率；当分类类别种类发生变化时，不需要重新训练交通标识牌检测模型，从而降低交通标识牌检测模型的训练成本。

技术领域

本发明涉及神经网络技术领域，尤其是涉及一种交通标识牌识别方法、装置和电子设备。

背景技术

相关技术中，交通标识牌目标检测与识别的方法包含基于统计的分类方法、基于句法的分类方法和基于神经网络的分类方法。其中，当前针对交通标识牌分类的方法中，主要存在以下几个方面的问题：

分类过程中实时性与准确性难以平衡，当准确率较高时，往往推理时间下降。基于卷积神经网络的分类方法中，当分类类别发生变化时，模型需要重新训练，增加训练成本。基于机器学习的分类方法中，需要反复调参，而且分类时间较慢。基于度量学习的相似度计算分类方法中，数据降维的同时，信息损失，造成分类精度的降低。

综上，上述交通标识牌目标检测与识别的方法存在实时性与准确性难以平衡，重新训练模型导致训练成本较高，分类时间较慢，分类精度较低等问题。

发明内容

有鉴于此，本发明的目的在于提供一种交通标识牌识别方法、装置和电子设备，以提高分类速度和分类准确率，降低模型的训练成本。

第一方面，本发明实施例提供了一种交通标识牌识别方法，方法包括：获取目标视频，从目标视频中提取多个目标图片；将多个目标图片输入预先训练完成的交通标识牌检测模型中，输出多个目标图片包含的交通标识牌的检测结果；其中，检测结果表征交通标识牌的检测框的位置；通过交叉二次判别分析的方式识别多个检测框内的交通标识牌的类型。

在本发明较佳的实施例中，上述方法还包括：获取交通标识牌的数据集；其中，数据集包括：样本图片和样本图片包含的交通标识牌的类型；将数据集划分为训练集、验证集和测试集；基于训练集训练至少一个交通标识牌检测模型；基于验证集调整至少一个训练中的交通标识牌检测模型的参数；通过测试集验证至少一个调整参数后的交通标识牌检测模型的识别准确度，将识别准确度最高的交通标识牌检测模型作为训练完成的交通标识牌检测模型。

在本发明较佳的实施例中，上述通过交叉二次判别分析的方式识别多个检测框内的交通标识牌的类型的步骤，包括：对当前目标图片和上一目标图片进行图片跟踪，得到跟踪结果；其中，当前目标图片和上一目标图片为目标视频的相邻帧，并且当前目标图片为上一目标图片的下一帧；如果跟踪结果表征当前目标图片和上一目标图片不一致，通过交叉二次判别分析的方式识别当前目标图片的检测框内的交通标识牌的类型；如果跟踪结果表征当前目标图片和上一目标图片一致，将上一目标图片的检测框内的交通标识牌的类型作为当前目标图片的检测框内的交通标识牌的类型。

在本发明较佳的实施例中，上述对当前目标图片和上一目标图片进行图片跟踪，得到跟踪结果的步骤，包括：基于当前目标图片的第一检测框的位置与上一目标图片的第二检测框的位置，确定第一检测框和第二检测框的交并比；如果交并比大于或等于预设的交并比阈值，检测结果表征当前目标图片和上一目标图片一致；如果交并比小于交并比阈值，检测结果表征当前目标图片和上一目标图片不一致。

在本发明较佳的实施例中，上述通过交叉二次判别分析的方式识别多个检测框内的交通标识牌的类型的步骤，包括：对多个检测框放大至预设尺寸；从放大后的检测框中提取放大后的交通标识牌；通过交叉二次判别分析的方式识别放大后的交通标识牌的类型。