基于尺寸鲁棒的道路标识实时检测方法及装置与流程

技术特征：
1.一种基于尺寸鲁棒的道路标识实时检测方法，其特征在于，包括：获取道路标识图像并提取特征，得到图像金字塔特征；将所述图像金字塔特征输入至道路标识识别模型中，得到所述道路标识识别模型输出的道路标识识别结果；其中，所述道路标识识别模型是基于交通标志实例图片及其对应的图像标签训练得到；所述道路标识识别模型用于对基于道路标识提取的图像金字塔特征进行特征融合，并对经特征融合后的结果进行识别。2.根据权利要求1所述的基于尺寸鲁棒的道路标识实时检测方法，其特征在于，所述道路标识识别模型，包括：空间金字塔池，基于输入的所述图像金字塔特征进行池化和填充，得到所述空间金字塔池输出的池化结果；其中，所述池化结果之间的尺度不同，所述池化结果内包含的各结果的大小尺寸一致；路径聚合层，将所述空间金字塔池输出的池化结果沿通道方向进行连接，得到所述路径聚合层输出的融合特征；标识识别层，基于所述融合特征进行目标检测和偏移，得到所述标识识别层输出的道路标识识别结果。3.根据权利要求2所述的基于尺寸鲁棒的道路标识实时检测方法，其特征在于，所述基于所述融合特征进行目标检测和偏移，得到所述标识识别层输出的道路标识识别结果，包括：采用1
×
1的卷积核对所述融合特征进行卷积，以实现目标检测，得到目标检测结果；基于所述目标检测结果进行偏移，得到道路标识识别结果，所述道路标识识别结果表示为：b
x
＝σ(t
x
) c
x
b
y
＝σ(t
y
) c
yy
其中，b
x
,b
y
表示为预测的目标框中心坐标，b
w
表示为预测的目标框的宽度，b
h
表示为预测的目标框的高度，t
x
、t
y
、t
w
和t
h
分别为网络的输出，c
x
和c
y
分别表示为单元格的左上角坐标，p
w
和p
h
表示为所述标识识别层最后输出特征图的尺寸。4.根据权利要求2所述的基于尺寸鲁棒的道路标识实时检测方法，其特征在于，所述将所述图像金字塔特征输入至道路标识识别模型中，得到所述道路标识识别模型输出的道路标识识别结果，包括：将所述图像金字塔特征输入至所述空间金字塔池，得到所述空间金字塔池输出的池化结果；将不同尺度的所述池化结果输入至所述路径聚合层，得到所述路径聚合层输出的融合特征；将所述融合特征输入至所述标识识别层，得到所述标识识别层输出的道路标识识别结
果。5.根据权利要求1所述的基于尺寸鲁棒的道路标识实时检测方法，其特征在于，所述获取道路标识图像并提取特征，得到图像金字塔特征，包括：获取道路标识图像；针对各所述道路标识图像，随机裁剪矩形区域，并以灰色背景填充；选取任意两个路标识图像按照预设不同比例压缩、相加，得到图像金字塔特征；其中，所述图像金字塔特征包含不同尺度的特征图以及对应所述特征图的标签，所述标签表示为所述矩形区域的置信度。6.根据权利要求1所述的基于尺寸鲁棒的道路标识实时检测方法，其特征在于，在所述将所述图像金字塔特征输入至道路标识识别模型之前，方法还包括：基于交通标志实例图片构建训练集；从所述训练集中提取所述交通标志实例图片输入至道路标识识别模型中，得到所述道路标识识别模型输出的道路标识识别训练结果；基于所述道路标识识别训练结果以及所述交通标志实例图片对应的图像标签计算损失函数，并基于所述损失函数收敛判断结束训练。7.根据权利要求1所述的基于尺寸鲁棒的道路标识实时检测方法，其特征在于，在所述将所述图像金字塔特征输入至道路标识识别模型之前，方法还包括：构建道路标识识别模型；动量参数设置为0.949，初始学习率设置为0.0001，权重衰减参数设置为5
×
10
‑4，训练批量为16，基于优化策略训练6万轮，并分别在训练7.2万轮和8.1万轮后将学习率递减为原先的十分之一。8.一种基于尺寸鲁棒的道路标识实时检测装置，其特征在于，包括：提取模块，获取道路标识并提取特征，得到图像金字塔特征；道路标识识别模块，基于输入的所述图像金字塔特征，得到所述道路标识识别模型输出的道路标识识别结果；其中，所述道路标识识别模块是基于交通标志实例图片及其对应的图像标签训练得到；所述道路标识识别模块用于对基于道路标识提取的图像金字塔特征进行特征融合，并对经特征融合后的结果进行识别。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于尺寸鲁棒的道路标识实时检测方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于尺寸鲁棒的道路标识实时检测方法的步骤。

技术总结
本发明提供一种基于尺寸鲁棒的道路标识实时检测方法及装置，该方法，包括：获取道路标识图像并提取特征，得到图像金字塔特征；将图像金字塔特征输入至道路标识识别模型中，得到道路标识识别模型输出的预测结果；其中，道路标识识别模型是基于交通标志实例图片及其对应的图像标签训练得到；道路标识识别模型用于基于对道路标识提取的图像金字塔特征进行特征融合，并对经特征融合后的结果进行识别得到的。本发明通过对道路标识图像的特征提取，得到不同尺度的特征图构成图像金字塔特征，从而便于实现多尺度目标的检测；通过采用单阶段检测网络，检测与识别无需分步进行，有利于提高道路标志牌检测速度。道路标志牌检测速度。道路标志牌检测速度。


技术研发人员：刘炎 贾若铖 张孝博 殷绪成 杨春
受保护的技术使用者：北京华创智芯科技有限公司
技术研发日：2021.07.08
技术公布日：2021/10/18