[发明专利]一种交通灯检测方法、装置、车辆和可读存储介质

说明书

本发明实施例提供了一种交通灯检测方法、装置、车辆和可读存储介质，所述方法包括：获取检测任务；若所述检测任务包括交通灯检测任务，则采用预设的第一神经网络模型对所述交通灯进行检测；若所述检测任务不包括交通灯检测任务，则采用预设的第二神经网络模型执行所述检测任务；根据检测结果控制车辆的行驶。根据本发明实施例，当检测任务包括交通灯检测任务时，可以采用执行速度较快的第一神经网络模型对交通灯进行检测。通过采用上述方法，将交通灯检测任务进行单独组网，采用轻量的特征提取网路和目标检测网络即可完成交通灯检测任务，在兼顾检测准确率和召回率的基础上，提高车辆终端神经网络的推理运算速度。

技术领域

本发明涉及车辆技术领域，特别是涉及一种交通灯检测方法、一种交通灯检测装置、一种车辆和一种计算机可读存储介质。

背景技术

在智能车辆自动驾驶等神经网络密集部署的场景中，各类目标检测任务需要消耗大量的计算资源，无论是在计算开销上，还是在计算速度上都有待提升。在各类检测任务的开发过程中，通常是以公用的多层特征提取神经网络输出作为上游输出，针对不同的检测任务开发不同的下游网络和损失函数，进而采用联合训练的方法得到可用的检测网络。

但是对于特定的检测任务——交通灯检测任务而言，采用上述检测方法反而会造成计算资源浪费。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种交通灯检测方法和相应的一种交通灯检测装置、一种车辆，以及一种计算机可读存储介质。

本发明实施例公开了一种交通灯检测方法，所述方法包括：

获取检测任务；

若所述检测任务包括交通灯检测任务，则采用预设的第一神经网络模型对所述交通灯进行检测；

若所述检测任务不包括交通灯检测任务，则采用预设的第二神经网络模型执行所述检测任务；其中，所述第一神经网络模型的执行速度大于所述第二神经网络模型的执行速度；

根据检测结果控制车辆的行驶。

可选地，所述若所述检测任务包括交通灯检测任务，则采用预设的第一神经网络模型对所述交通灯进行检测，还包括：

采用所述第二神经网络模型对除所述交通灯之外的其它检测目标进行检测。

可选地，所述采用预设的第一神经网络模型对所述交通灯进行检测，包括：

从所述第一神经网络模型输出的特征图像中确定交通灯特征点；

根据位于所述特征点的图像特征信息确定所述交通灯的其它交通灯特征信息。

可选地，所述特征点包括背板的中心点和/或各色灯区的中心点和/或各色灯区中方向指示标志的角点；所述其它交通灯特征信息包括背板的尺寸特征信息和/或各色灯区的颜色特征信息和/或各色灯区的指向特征信息。

可选地，所述第一神经网络模型为串行的一个神经网络，所述从所述第一神经网络模型输出的特征图像中确定交通灯特征点，包括：

从所述一个神经网络中，输出感受野范围与所述交通灯背板的尺寸匹配的所述特征图像；

从所述特征图像中确定所述特征点。

可选地，所述特征图像为多通道热力图，所述从所述第一神经网络模型输出的特征图像中确定交通灯特征点，包括：

从所述多通道热力图中确定用于提取位置特征的第一通道热力图；

将所述第一通道热力图中，存在特征点的概率大于预设概率的位置确定为所述特征点的所在位置。