[发明专利]一种自动驾驶场景中小且密集的交通标志检测方法在审
| 申请号： | 201710407296.2 | 申请日： | 2017-05-31 |
| 公开（公告）号： | CN107316001A | 公开（公告）日： | 2017-11-03 |
| 发明（设计）人： | 韩亚洪;葛园园;许有疆;赵帅 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46 |
| 代理公司： | 天津市北洋有限责任专利代理事务所12201 | 代理人： | 刘子文 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种自动驾驶场景中小且密集的交通标志检测方法，包括以下步骤(1)采集车辆行车记录仪拍摄的视频数据，从中提取图片，对图片中的交通标志进行标注，形成由<图像，目标框>对构成的交通标志数据集；(2)数据预处理，对所述交通标志数据集进行预处理；(3)使用浅层网络VGG16作为R‑FCN物体检测框架的主体网络；(4)改进VGG16网络模型，采用浅层特征，缩小特征图下降倍数，训练RPN网络提取候选框；(5)改进VGG16网络模型，将浅层同组特征进行特征组合，输入到R‑FCN后续的检测框架中，对候选框进行分类和边框回归，最终检测到图片中的所有交通标志。本发明很好地解决了自动驾驶场景中交通标志的检测问题。 | ||
| 搜索关键词： | 一种 自动 驾驶 场景 中小 密集 交通标志 检测 方法 | ||
【主权项】：
一种自动驾驶场景中小且密集的交通标志检测方法，其特征在于，包括以下步骤：(1)采集车辆行车记录仪拍摄的视频数据，从中提取图片，对图片中的交通标志进行标注，形成由<图像，目标框>对构成的交通标志数据集；(2)数据预处理，对所述交通标志数据集进行预处理；(3)使用浅层网络VGG16作为R‑FCN物体检测框架的主体网络；(4)改进VGG16网络模型，采用浅层特征，缩小特征图下降倍数，训练RPN网络提取候选框(RoI)；(5)改进VGG16网络模型，将浅层同组特征进行特征组合，输入到R‑FCN后续的检测框架中，对候选框进行分类和边框回归，最终检测到图片中的所有交通标志。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710407296.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种监控方法及装置
- 下一篇：一种基于主动学习的夜间前方车辆识别方法
