[发明专利]交通标志识别方法、装置、电子设备及计算机存储介质

说明书

本申请实施例提供了一种交通标志识别方法、装置、电子设备及计算机存储介质，涉及图像识别技术领域。该方法包括：获取预设的交通标志数据集，采用预设的聚类算法对交通标志数据集中的交通标志进行聚类，确定各类交通标志的尺寸；采用训练后的交通标志识别模型对待识别交通标志进行识别，确认待识别交通标志的类别。本申请实施例通过预设的聚类方法先对数据集进行聚类，对交通标志识别模型进行训练，可以获取图像中不同尺度的感受野信息，并可以将获取到的不同尺度的信息融合，增强浅层网络预测交通标志的能力，进而提高交通标志的检测准确率。减少网络参数并降低网络复杂度，以此提高交通标志的检测速度，达到对交通标志的实时检测。

技术领域

本申请涉及图像处理技术领域，具体而言，本申请涉及一种交通标志 识别方法、装置、电子设备及计算机存储介质。

背景技术

近年来，无人驾驶越来越受到全球的关注，为保证无人驾驶车辆能够 上路安全，需要对周围环境信息进行感知，现有技术都是通过激光雷达来 确定前方目标与车的实际距离，但其无法确定目标的类别，所以需要辅助 摄像头来实时且精准地检测出路面上所有目标，能够识别越远的目标，就 越能增大车辆的反应时间及时制动避免碰撞，交通标志检测识别是无人驾 驶感知部分的重要一环，自动驾驶系统通过获取交通标志的类别及距离的 信息及时的做出正确的决策信息。

现实生活中交通标志的像素约占视野图像的0.001％至5％，尺寸小， 占据像素点少，特征不明显导致其相比大目标而言检测困难，同时，交通 标志的检测还受到天气条件的影响，恶劣的天气状况使得交通标志难以辨 认，例如有雾，天气昏暗，复杂的场景等，现有的深度学习检测算法难以 对现实场景下的小目标交通标志进行有效及高精度的检测与识别。

由此可见，现有技术对小目标交通标志的识别的精度不高，需要改进。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术 对小目标交通标志的识别的精度不高的技术缺陷。

根据本申请的一个方面，提供了一种交通标志识别方法，该方法包括：

获取预设的交通标志数据集，所述交通标志数据集包括训练集和验证 集；

采用预设的聚类算法对所述交通标志数据集中的交通标志进行聚类， 确定各类所述交通标志的尺寸；

使用所述训练集对预设的交通标志识别模型进行训练，得到训练后的 交通标志识别模型；

采用训练后的所述交通标志识别模型对待识别交通标志进行识别，确 认所述待识别交通标志的类别。

作为本申请一种可能的实施方式，在该实施方式中，所述采用预设的 聚类算法对所述交通标志数据集中的交通标志进行聚类，确定各类所述交 通标志的尺寸，包括：

设置预设数量的聚类，并确定对应数量的初始聚类中心；

计算所述交通标志数据集中每个交通标志数据中数据点距离所述初 始聚类中心的距离；

将所述距离在预设范围内的数据点确定为聚类中心所在的簇；

将所述簇的所有数据的中心点作为所述聚类的中心点，直到所述聚类 的中心点不再移动，将所述聚类的中心点作为所述聚类的交通标志尺寸。

作为本申请一种可能的实施方式，在该实施方式中，所述交通标志识 别模型的训练步骤包括：

将所述训练数据输入第一分支计算得到第一输出，所述第一分支包括 一个卷积模块；

将所述训练数据输入第二分支计算得到第二输出，所述第二分支包括 两个卷积模块；

将所述训练数据输入第三分支计算得到第三输出，所述第三分支包括 四个卷积模块；