[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

说明书

本申请涉及一种基于分流多任务的交通灯识别方法、系统及电子设备。该方法包括：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。本申请提供的方案，能够通过预设神经网络模型对图像数据分成内容和边缘两部分分别进行识别，通过融合两种识别方式获取的特征图进行输出，在交通灯边缘有多处噪声元素重叠的情况下提取有效的语义信息难度大，实现对图像数据进行分流处理，提高对图像边缘识别的识别精度。

技术领域

本申请涉及导航技术领域，尤其涉及基于分流多任务的交通灯识别方法、系统及电子设备。

背景技术

在使用图像识别方法制作高精交通灯数据时，一般需要采用相关的图像识别方法对交通灯进行识别。

相关技术中，一般只采用边缘检测算子的识别方法对图像中的交通灯进行识别，由于实际应用过程中，存在噪声较多的应用场景，使得交通灯边缘容易存在多种噪声元素重叠的情况。相关技术中的识别方法在图像识别过程中时，在交通灯边缘有多处噪声元素重叠的情况下提取有效的语义信息难度大，容易存在边缘识别误差大的问题，导致图像识别精度低。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种基于分流多任务的交通灯识别方法、系统及电子设备，能够对图像数据分成内容和边缘两部分分别进行识别，通过融合两种识别方式获取的特征图进行输出，实现对图像数据进行分流处理，提高对图像边缘识别的识别精度。

本申请第一方面提供一种基于分流多任务的交通灯识别方法，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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：