[发明专利]安防机器人智能驾驶道路交通灯识别方法及系统

权利要求书

1.一种安防机器人智能驾驶道路交通灯识别方法，其特征在于，该方法是通过在安防机器人上安装GMSL摄像头传感器设备，并通过注意力机制增加目标网络对交通灯这类在固定区域中的小目标检测的信息表征能力，再通过对固定区域目标进行特征校正和细化，实现对低速的安防机器人园区巡检行驶交通灯的检测识别。

2.根据权利要求1所述的安防机器人智能驾驶道路交通灯识别方法，其特征在于，该方法具体如下：

将GMSL摄像头传感器设备采集的数据进行图像的前处理；

在yolox网络模型的Neck中PA-FPN中添加空间特征适应融合ASFF模块和CBAM模块；

对修改后的yolox网络模型进行学习率及批次的参数调整、训练验证与输出。

3.根据权利要求1所述的安防机器人智能驾驶道路交通灯识别方法，其特征在于，将GMSL摄像头传感器设备采集的数据进行图像的前处理具体如下：

相机采集以30帧每秒的1280*720的视频数据；

将视频数据按照每秒截取5帧为图片，涉及opencv的部分操作，去噪采用滤波算法；同时利用yolox网络模型自身包含数据增强MixUp和Mosaic方法进行数据增强处理；

采用opencv函数进行数据旋转、移动及亮度的操作实现数据的扩充增强。

4.根据权利要求1所述的安防机器人智能驾驶道路交通灯识别方法，其特征在于，所述yolox网络模型在自身编码结构主干网络传入PA-FPN操作中加入注意力CBAM模块，继续加载yolox网络模型的预训练权重，即对于特征提取的backbone输出的不同尺度大小的feature map进行注意力机制的使用，具体如下：

实例化CBAM模块对象；

修改对应通道；

在前向推理过程中添加不同通道的CBAM模块。

5.根据权利要求1所述的安防机器人智能驾驶道路交通灯识别方法，其特征在于，所述CBAM模块包括CAM子模块和SAM子模块，通过CAM子模块和SAM子模块实现CBAM模块在通道和空间两个维度上进行特征权重分配的关注，关注有用的目标对象，使对于在安防机器人拍摄特定区域的交通灯区域实现更好的通道注意力特征和空间注意力特征提取关注，即将通道注意力特征与空间注意力特征相乘得到最终的feature map。

6.根据权利要求5所述的安防机器人智能驾驶道路交通灯识别方法，其特征在于，通道注意力特征生成具体如下：

CAM子模块在前，CAM子模块将输入的feature map(H×W×C)分别经过基于width和height的GMP和GAP，即GMP与GAP的并行池化，得到两个1×1×C的feature map；

将两个1×1×C的feature map分别送入一个两层的神经网络MLP；

将两层的神经网络MLP输出的特征进行基于element-wise的add操作，即相应张量内的对应元素进行相加操作；

经过sigmoid归一化操作，生成最终的通道注意力特征。

7.根据权利要求5所述的安防机器人智能驾驶道路交通灯识别方法，其特征在于，空间注意力特征生成具体如下：

将CAM子模块输出的feature map作为SAM子模块的输入特征图；

做一个基于channel的GMP和GAP，得到两个H×W×1的feature map；

将两个H×W×1的feature map基于channel做concat操作，即通道拼接操作；

经过一个7×7卷积操作，降维为1个channel，再经过sigmoid生成空间注意力特征。

8.根据权利要求1所述的安防机器人智能驾驶道路交通灯识别方法，其特征在于，所述空间特征适应融合ASFF模块适用于3个通道输出，自适应地学习各尺度feature map融合的空间权重，差分地搜索最优融合，优化网络在反向传播中的学习。