[发明专利]一种基于显著性的交通标志检测方法

说明书

本发明公开了一种基于显著性的交通标志检测方法，本发明方提出一种端到端的卷积神经网络模型。本方法针对交通标志检测任务做出优化，提出了一个以基于VGGNet的特征金字塔网络为主干的显著性检测模型。网络在自下而上过程中的不同尺度特征图上提取了图片中的不同层级的信息，并在金字塔网络自上而下通路中进行融合。通过将特征聚合模块添加在自上而下通路中的每个融合操作之前，可以有助于全局引导模块中包含的深层次特征图中的高级语义信息与较浅层次的特征无缝进行融合。通过这两个建立在池化操作上的模块有助于高级语义信息逐步精细，使本网络模型生成的显著性图拥有更加丰富的细节。其结果为一张像素值在[0，1]的灰度图，图中的1表示为交通标志所在区域，0表示为背景区域，成功实现对交通标志的检测任务。

技术领域

本发明属于计算机视觉领域，具体涉及一种基于显著性的交通标志检测方法。

背景技术

道路交通标志是国家交通部门设置在道路两旁，用带有文字或特殊符号的标志牌传递引导、限制、警告或指示信息的道路设施，起到指挥车辆行进，传递交通法规的作用。所以，准确且快速地识别道路交通标志的含义对驾驶员来说非常重要。随着我国高速的经济发展，各类机动车辆的数量都增长迅猛，而由此所带来的交通问题也更加突出。然而，解决交通问题的方法之一就是发展智能交通系统，从国家的发展战略上看，智能交通系统是未来交通领域研究的一个重点方向。另一方面，无人驾驶技术在最近几年也是一个热门话题，而运用计算机视觉的算法自动检测和识别行车环境中交通标志的技术，是自动驾驶领域各个功能实现的基础。经过对于社会需求和市场的分析，道路交通标志的检测的研究具有非常大的研究价值和广阔的应用前景。

利用视觉感知驱动交通标志识别的研究意义主要体现在以下两个方面：

(1)在辅助驾驶系统方面的应用

先进的辅助驾驶系统是可协助驾驶员完成部分驾驶任务和停车功能的车机系统。通过直观可操作的人机界面，辅助驾驶系统可提高驾驶员操作体验和汽车安全性。辅助驾驶系统使用自动化控制相关技术，通过雷达和摄像头等传感器来检测附近的障碍物或驾驶员操作错误，并做出相应的合理响应。其中交通标志检测模块是该系统中不可或缺的组成模块，通过对交通标志的实时快速检测识别，能够有效地为驾驶员提供交通道路的信息，减少或避免由于驾驶员未能快速根据交通标志做出正确驾驶形为而导致的事故，在很大程度上减轻了驾驶员的驾驶压力同时减少驾驶员在道路交通标志上所花费的精力。另一方面，辅助驾驶系统在检测到交通标志后对驾驶员提供信息提示，能有效帮助驾驶员根据当前路况做出合理的决策，从而规范驾驶员行车行为，降低交通事故的发生概率。

(2)在自动驾驶技术方面的应用

自动驾驶汽车是一种能够感知环境并在无任何人为干预的情况下在任何传统车辆能够行驶的路况下运行的车辆。自动驾驶汽车需要依靠车身上面搭载的大量不同类型的传感器(如超声雷达，激光雷达，RGB相机等)，高精度高稳定性的算法，机器学习系统和强大的芯片处理单元来执行自动驾驶的功能。自动驾驶汽车需要通过整合处理位于汽车不同部位的各种传感器的数据，构建可以实时更新的周围环境地图。然后，先进的软件系统会综合分析所有这些传感器的输入，预估路径并将指令发送到汽车的执行器，以控制加速，制动和转向。实现对交通标志的检测和识别，无人驾驶车辆就可以依据检测到的交通标志自主决定行车速度和轨道，确保无人驾驶车辆在遵守交通规则的前提下实现安全有序的遵章行驶，实现真正意义上的无人驾驶。

与常见的基于深度学习的目标检测不同，这类方法大部分都需要提取大量目标候选区域并送入分类网络进行判断和识别，对于计算量的要求非常高，很难在一般的设备上实时运行。除此之外，目前的基于深度学习的交通标志检测方法需要大量测试图片的数据集，并且对于小目标的定位难题也没有解决。而使用基于视觉显著性的方法进行交通标志检测能够获得更好的效果。

发明内容

针对现有技术存在的不足，本发明提供了一种基于显著性的交通标志检测方法。

本发明方法包括以下步骤：