[发明专利]车辆周边标识识别方法、装置、存储介质和计算机设备

权利要求书

1.一种车辆周边标识识别方法，其特征在于，包括：

通过图像获取组件获取所述目标车辆的周边环境图像；所述图像获取组件围绕目标车辆测车身布设；

通过预训练的交通标识检测神经网络，从所述周边环境图像中提取出交通标识图像和交通标志的背景颜色；所述背景颜色表示所述交通标识图像中，非字符对象的颜色；

通过预训练的图像遮挡检测神经网络，从所述交通标识图像中检测出被遮挡位置和范围，得到标记了被遮挡位置的交通标识图像；

根据所述背景颜色以及预设的背景颜色和交通标识分类关系，获得对应的交通标识分类；

根据标记了被遮挡位置的交通标识图像和交通标识分类生成交通标识查询指令；

将所述交通标识查询指令上传到处理服务器，接受所述处理服务器发出的交通标识查询结果；

其中，所述图像遮挡检测神经网络通过以下步骤训练得到：

通过初始高分辨率模型对初始图像训练样本进行采样，得到至少四个特征通道的信息特征，所述初始图像训练样本包括真实矩形框框选的被遮挡位置，且所述被遮挡位置对应有至少两种遮挡物类别，所述遮挡类别包括：附着在所述图像获取组件的遮挡物类别，以及附着在交通标识上的遮挡物类别；

融合各个所述特征通道的信息特征，以得到至少四个增强后的多尺度特征；

对所述增强后的多尺度特征进行定位损失计算，分别得到所述多尺度特征的定位损失，过程如下公式：

其中，

其中b表示匹配系数，l表示为预测矩形框的集合，g表示为真实矩形框的集合，每个框中包含有四个要素(cx,cy,w,h)，其中cx为矩形框中心点的横坐标，cy为矩形框中心点的纵坐标，w为矩形框的宽，h为矩形框的高；表示为指示第i个预测矩形框与遮挡物类别k的第j个真实矩形框的匹配值，若类别一致，取值为1，否则，取值为0；为预测矩形框的宽度，为预测矩形框的横坐标，真实框的横坐标；真实矩形框横坐标的期望预测值；为预测矩形框的中心点的纵坐标,为预测矩形框的高,为真实矩形框的中心点纵坐标,为真实矩形框的宽,为真实矩形框的高；其中，所述预测矩形框是所述初始高分辨率模型训练过程时在所述初始图像训练样本中进行预测框选得到的矩形框。

2.根据权利要求1所述的车辆周边标识识别方法，其特征在于，所述处理服务器保存有多个交通标识数据库，所述交通标识数据库存储有多个属于同一交通标识分类的交通标识样本，所述处理服务器接收到所述交通标识查询指令后，执行以下步骤：

响应于所述交通标识查询指令，获取与所述交通标识分类对应的目标交通标识数据库；

将所述交通标识图像与所述目标交通标识数据库中的各个交通标识样本进行比对，将与所述交通标识图像的相似度最高的交通标识样本确定为目标交通标识样本，包括：

将所述交通标识图像和当前要对比的所述交通标识样本进行灰度化处理，得到第一灰度图和第二灰度图；

将所述第一灰度图和第二灰度图的像素转换为向量，得到用于进行余弦相似度检测的多个第一向量和多个第二向量；

计算各个所述第一向量和对应的第二向量的余弦相似度，如下公式所示：

其中，T(x，y)为所述第一向量和第二向量的余弦相似度，x为所述第一向量；y为所述第二向量；x_i为所述第一向量的第i维向量；y_i为所述第二向量的第i维向量。

根据所述交通标识图像的灰度图与当前所述交通标识样本的所有像素向量的余弦相似度，得到所述交通标识图像的灰度图与当前所述交通标识样本的图像相似度；

将所述交通标识图像的灰度图与各个所述交通标识样本的图像相似度进行比较，得到最大图像相似度对应的所述交通标识样本，并确定为所述目标交通标识样本；

获取所述目标交通标识样本的标识数据，根据所述标识数据生成并发出所述交通标识查询结果。