[发明专利]基于分流多任务的交通灯识别方法、系统及电子设备

权利要求书

1.一种基于分流多任务的交通灯识别方法，其特征在于，包括：

接收来自车端的图像数据；

通过预设神经网络模型解析所述图像数据，获取与所述图像数据的内容对应的第一特征图及与所述图像数据的边缘对应的第二特征图；

通过所述预设神经网络模型将所述第一特征图与所述第二特征图进行融合，输出目标图像。

2.根据权利要求1所述的方法，其特征在于，所述通过预设神经网络模型解析所述图像数据，获取与所述图像数据的内容对应的第一特征图及对与所述图像数据的边缘对应的第二特征图，包括：

将所述图像数据输入预设神经模型的第一处理模块；

通过所述第一处理模块对图像数据进行数据处理，获取与所述图像数据的内容对应的第一特征图；

将所述图像数据输入预设神经模型的第二处理模块；

通过所述第二处理模块对图像数据进行数据处理，获取与所述图像数据的边缘对应的第二特征图。

3.根据权利要求2所述的方法，其特征在于，所述通过所述第一处理模块对图像数据进行数据处理，获取与所述图像数据的内容对应的第一特征图，包括：

通过所述第一处理模块对图像数据进行至少2次卷积计算，获取与所述图像数据的内容对应的第一特征图。

4.根据权利要求2所述的方法，其特征在于：所述通过所述第二处理模块对图像数据进行数据处理，获取与所述图像数据的边缘对应的第二特征图，包括：

通过所述第二处理模块对图像数据采用边缘检测算子进行边缘检测计算，获取与所述图像数据的边缘对应的第二特征图。

5.根据权利要求3所述的方法，其特征在于，所述通过所述第二处理模块对图像数据进行数据处理，获取与所述图像数据的边缘对应的第二特征图，包括：

通过所述第二处理模块对图像数据采用边缘检测算子进行边缘检测计算，以及通过所述第二处理模块对所述第一处理模块进行卷积计算的中间数据进行卷积计算，获取与所述图像数据的边缘对应的第二特征图。

6.根据权利要求1所述的方法，其特征在于，所述通过所述预设神经网络模型将所述第一特征图与所述第二特征图进行融合，包括：

将所述第一特征图与所述第二特征图输入所述预设神经网络模型的第三处理模块进行融合，获取与目标图像对应的第三特征图并转换成目标图像输出。

7.一种基于分流多任务的交通灯识别系统，其特征在于，包括：

接收模块，用于接收来自车端的图像数据；

特征提取模块，用于通过预设神经网络模型解析所述图像数据，获取与所述图像数据的内容对应的第一特征图及对与所述图像数据的边缘对应的第二特征图；

特征融合模块，用于通过所述预设神经网络模型将所述第一特征图与所述第二特征图进行融合，输出目标图像。

8.一种基于分流多任务的交通灯识别系统，其特征在于，包括：

至少一个车端，用于采集图像数据；

服务器，用于接收来自至少一个所述车端的图像数据；通过预设神经网络模型解析所述图像数据，获取与所述图像数据的内容对应的第一特征图及对与所述图像数据的边缘对应的第二特征图；通过所述预设神经网络模型将所述第一特征图与所述第二特征图进行融合，输出目标图像至对应车端。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-6中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行代码，其特征在于：

当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-6中任一项所述的方法。