[发明专利]用于利用知识图和机器学习进行道路标志基准真值构建的系统和方法

权利要求书

1.一种系统，包括：

输入接口，被配置为接收一个或多个图像；

控制器，与输入接口通信，并被配置为：

从所述一个或多个图像中检测并选择跨多个帧标识的道路标志；

输出发起对道路标志进行分类的请求的提示；

利用机器学习模型对包括道路标志的一个或多个图像进行检测和分类；

查询知识图，以获得与下一分类器的候选类具有相同属性的多个道路标志类；

跨所述多个帧对道路标志进行分类；和

跨所述多个帧跟踪道路标志。

2.根据权利要求1所述的系统，其中，控制器进一步被配置为标识与所述道路标志相关联的一个或多个属性，并响应于所述一个或多个属性输出多个道路标志模板。

3.根据权利要求1所述的系统，其中，控制器进一步被配置为响应于在接口处接收的输入来对所述道路标志进行分类。

4.根据权利要求1所述的系统，其中，控制器进一步被配置为输出第一分类，并且响应于第一分类的错误分类，从注释者接收重新分类的输入。

5.根据权利要求1所述的系统，其中，控制器进一步被配置为响应于超过阈值的置信水平，跨所述多个帧对所述道路标志进行分类，并且当置信水平低于阈值时，输出对属性输入的请求。

6.根据权利要求1所述的系统，其中，控制器进一步被配置为在用户接口处输出与所述道路标志相关联的分类。

7.一种利用知识图进行道路标志分类的方法，包括：

跨多个帧检测和选择标志的表示；

输出发起对与所述标志的表示相关联的分类的请求的提示；

对包括所述标志的一个或多个图像进行分类；

查询所述知识图以获得与所述标志具有至少一个相同属性的多个道路标志类；和

响应于超过阈值的置信水平，跨所述多个帧对所述标志进行分类。

8.根据权利要求7所述的方法，其中，所述分类分配与包括标志的所述一个或多个图像相关联的标识。

9.根据权利要求7所述的方法，其中，所述分类利用一个或多个机器学习模型，来用于道路标志检测、道路标志分类以及道路标志性质预测。

10.根据权利要求7所述的方法，其中，所述方法包括利用度量学习来分离嵌入空间中的不同类。

11.根据权利要求7所述的方法，其中，所述方法包括当置信水平低于阈值时，输出对与所述标志的表示相关联的属性输入的请求。

12.根据权利要求11所述的方法，其中，所述方法包括响应于属性输入而输出多个潜在标志模板。

13.一种用于利用机器学习模型进行道路标志分类的系统，包括：

显示器，被配置为输出用户接口；和

与显示器通信的处理器，所述处理器被编程为：

利用机器学习模型跨一个或多个图像检测并选择标志的表示；

在用户接口处输出提示，所述提示发起对与所述标志的表示相关联的分类的请求；

对包括所述标志的一个或多个图像进行分类；

获得与包括至少一个与标志相同的属性的候选相关联的多个道路标志类；和

响应于超过阈值的置信水平，跨所述一个或多个图像对所述标志进行分类。

14.根据权利要求13所述的系统，其中，处理器进一步被编程为当置信水平低于阈值时，输出对与所述标志的表示相关联的属性输入的请求。

15.根据权利要求14所述的系统，其中，处理器进一步被编程为响应于属性输入而输出多个标志模板。