CN107577981A - 一种道路交通标识识别方法及装置 - Google Patents
一种道路交通标识识别方法及装置 Download PDFInfo
- Publication number
- CN107577981A CN107577981A CN201610519158.9A CN201610519158A CN107577981A CN 107577981 A CN107577981 A CN 107577981A CN 201610519158 A CN201610519158 A CN 201610519158A CN 107577981 A CN107577981 A CN 107577981A
- Authority
- CN
- China
- Prior art keywords
- identified
- road traffic
- recognized
- images
- type information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种道路交通标识识别方法及装置,通过获取预先标记有类型信息的待识别图像,类型信息为待识别道路交通标识类型信息;根据所述类型信息,在待识别图像中确定待识别区域;对待识别区域进行识别,确定待识别区域中所包含的道路交通标识。获取预先标记了类型信息的待识别图像,即可实现道路交通标识的自动识别,识别速度更快,进而缩短道路交通标识信息的更新周期,提高更新效率,进一步的,本申请通过预先对待识别图像进行不同类型的标记,能够针对不同类型的待识别图像,采用不同的识别方案对道路交通标识进行识别,即采用不同的通道对道路交通标识进行识别,有效提高了不同道路交通标识的识别效率。
Description
技术领域
本发明涉及地图数据处理技术领域,具体涉及一种道路交通标识识别方法及装置。
背景技术
道路交通标识是一种用来给道路使用者提示警告、禁止、限制或指示等信息的标识,道路使用者可以根据道路交通标识实时判断道路的行驶规则以及行驶状况,并且,导航服务商可以根据道路交通标识规划道路行程。道路交通标识一般以标注的形式设置在路面两侧的标志牌上或者直接绘制在路面上,道路交通标识通常会因为外界因素的变化存在修改的可能性,并且其中某些道路交通标识本身就是在不断变化的(例如:电子显示牌或者交通信号灯等)。
随着人们生活水平的提高,对实时交通信息的要求也越来越高,这就对实际路网信息的实时性和完整性提出了更高的要求,人们希望获得更丰富和更详细的道路交通标识信息。目前常用的道路交通标识的识别方法是使用数据采集车辆在路面上进行数据采集,再将采集到的视频或图片以及道路交通标识相应的位置信息或朝向等发送给后方作业人员,由后方作业人员进行人工审核,并将审核后的道路交通标识信息更新到数据库中。
然而上述现有技术中的道路交通标识的识别过程需要经过人工审核和手动更新,导致实际道路交通标识信息的更新周期非常漫长,更新效率低。
发明内容
有鉴于此,本发明实施例提供一种自动道路交通标识识别方法,无需人工手动参与,能够快速识别道路交通标识,缩短道路交通标识信息的更新周期,提高更新效率。
为实现上述目的,本发明实施例提供如下技术方案:
一种道路交通标识识别方法,所述方法包括:
获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;
根据所述类型信息,在所述待识别图像中确定待识别区域;
对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。
一种道路交通标识识别装置,所述装置包括:
待识别图像获取模块,用于获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;
待识别区域确定模块,用于根据所述类型信息,在所述待识别图像中确定待识别区域;
道路交通标识识别模块,用于对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。
基于上述技术方案,本发明实施例公开了一种道路交通标识识别方法及装置,通过获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;根据所述类型信息,在所述待识别图像中确定待识别区域;对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。获取预先标记了类型信息的待识别图像,即可实现道路交通标识的自动识别,识别速度更快,进而缩短道路交通标识信息的更新周期,提高更新效率,进一步的,本申请通过预先对待识别图像进行不同类型的标记,能够针对不同类型的待识别图像,采用不同的识别方案对道路交通标识进行识别,即采用不同的通道对道路交通标识进行识别,有效提高了不同道路交通标识的识别效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种道路交通标识识别方法的流程图;
图2为本发明实施例提供的一种根据所述类型信息,在所述待识别图像中确定待识别区域的方法的流程图;
图3为本发明实施例提供的一种待识别图像示意图;
图4为本发明实施例提供的另一种根据所述类型信息,在所述待识别图像中确定待识别区域方法的流程图;
图5为本发明实施例提供的一种待识别图像示意图;
图6为本发明实施例提供的另一种根据所述类型信息,在所述待识别图像中确定待识别区域方法的流程图;
图7为本发明实施例提供的另一种待识别图像示意图;
图8为本发明实施例提供的又一种根据所述类型信息,在所述待识别图像中确定待识别区域方法的流程图;
图9为本发明实施例提供的另一种待识别图像示意图;
图10为本发明实施例提供的一种道路交通标识识别装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本方案的发明人发现,现有技术中的道路交通标识的识别方法是使用数据采集车辆在路面上进行数据采集,再将采集到的视频或图片以及道路交通标识相应的位置信息或朝向等发送给后方作业人员,由后方作业人员进行人工审核,并将审核后的道路交通标识信息更新到数据库中。然而上述现有技术中的道路交通标识的识别过程需要经过人工审核和手动更新,导致实际道路交通标识信息的更新周期非常漫长,更新效率低。
因此,如何提供一种快速的道路交通标识识别方法,缩短道路交通标识信息的更新周期,提高更新效率,显得尤为必要。
本发明实施例中公开的技术方案为了解决上述问题,提出了一种道路交通标识识别方法,通过获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;根据所述类型信息,在所述待识别图像中确定待识别区域;对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。本申请通过获取预先标记了类型信息的待识别图像,即可实现道路交通标识的自动识别,识别速度更快,进而缩短道路交通标识信息的更新周期,提高更新效率。进一步的,本申请通过预先对待识别图像进行不同类型的标记,能够针对不同类型的待识别图像,采用不同的识别方案对道路交通标识进行识别,即采用不同的通道对道路交通标识进行识别,有效提高了不同道路交通标识的识别效率。
图1为本发明实施例提供的一种道路交通标识识别方法的流程图,该方法可以包括:
S101:获取预先标记有类型信息的待识别图像;
所述类型信息为待识别道路交通标识类型信息,在所述待识别图像上标记类型信息表明从所述待识别图像中所要识别的道路交通标识的类型。
需要说明的是,本发明实施例中可以从交通数据采集车辆等交通信息采集设备中直接获取预先标记有类型信息的待识别图像,也可以从交通数据采集车辆等交通信息采集设备中获取原始图像,再对所述原始图像进行预处理,按照原始图像中图像的特点,进行类型信息的标记,进而获得预先标记有类型信息的待识别图像,本发明实施例中并不具体限定以上获取预先标记有类型信息的待识别图像的方式。
本申请通过预先对待识别图像进行不同类型的标记,对于不同类型的待识别图像,采用不同的识别方案对道路交通标识进行识别,即采用不同的通道对道路交通标识进行识别,有效提高了不同道路交通标识的识别效率。
可选的,所述待识别道路交通标识类型信息至少包括:指示牌道路交通标识类型信息、地面道路交通标识类型信息或灯光效果道路交通标识类型信息中的至少一种,本发明实施例不做具体限定。
下面以指示牌道路交通标识类型信息为例,详细说明本申请实施例中所述待识别道路交通标识类型信息的具体内容:
A:表示禁止类型的红色圆环形指示牌道路交通标识类型信息(如禁止通行、禁止驶入、禁止机动车驶入、禁止载货汽车驶入、禁止大型客车驶入、禁止小型客车驶入、禁止向左转弯、禁止向右转弯、禁止直行、禁止掉头等);
B:表示限制类型的红色圆环形指示牌道路交通标识类型信息(如限制宽度、限制高度、限制质量、限制轴重、限制速度等);
C:表示警告类型的黄色三角形指示牌道路交通标识类型信息(如前方向左急转、前方向右急转、前方反向弯路、前方向上陡坡、前方向下陡坡、注意行人、注意路滑、前方隧道、减速慢行、注意雾大等);
D:表示指示类型的蓝色圆环形或方形指示牌道路交通标识类型信息(如直行、向左转弯、允许掉头、步行、人行横道、直行车道、停车位、非机动车车道、地名等)。
以地面道路交通标识类型信息为例,本申请实施例中所述待识别道路交通标识类型信息的具体内容包括:画在地面上的直行箭头、掉头箭头、直行或右转或左转箭头、斑马线、停车线等。
以灯光效果道路交通标识类型信息为例,本申请实施例中所述待识别道路交通标识类型信息的具体内容包括:测速摄像头、交通信号灯等。
S102:根据所述类型信息,在所述待识别图像中确定待识别区域;
需要说明的是,由于不同的待识别图像中可能标记有不同的类型信息,而且,同一张待识别图像也可能会标记有好几种类型信息,即针对不同的待识别图像,所要识别的道路交通标识的类型也会不同,同一张待识别图像也可能会需要识别几种不同的道路交通标识的类型,而由于不同类型的道路交通标识具有不同的位置以及不同的特点,例如:有的绘制在地面上,有的绘制在标志牌上,有的具有灯光效果,因此,在具体识别过程中,可以针对道路交通标识的位置特点以及外形特点在待识别图像中确定位于待识别图像上不同位置的待识别区域。
例如,当所要识别的道路交通标识绘制在地面上的情况(例如斑马线等),则确定的待识别区域则为待识别图像中的地面区域;当所要识别的道路交通标识绘制在标志牌上的情况(例如禁止通行的标志牌等),则确定的待识别区域则为待识别图像中的具有标志牌的区域;当所要识别的道路交通标识具有灯光效果的情况(例如测速摄像头或交通信号灯等),则确定的待识别区域则为待识别图像中的高处横杆上。
可选的,所述根据所述类型信息,在所述待识别图像中确定待识别区域的过程可以采用如下方式:将所述待识别图像进行区域划分,得到多个划分区域;在所述多个划分区域中确定所述待识别图像中是否具有与所述类型信息对应的图形;如果是,则将所述划分区域确定为待识别区域。例如:在待识别图像的某个划分区域中确定具有多边形或圆弧状图形,表明该划分区域中可能存在道路交通指示牌等交通标识,则将所述划分区域确定为待识别区域,在后续继续对所述待识别区域进行识别,确定所述多边形或圆弧状图形具体是否为道路交通指示牌,识别道路交通指示牌的具体内容。
本发明实施例中,还可以将所述待识别图像进行区域划分,得到多个划分区域,根据类型信息从多个划分区域中确定待识别区域;判断所述待识别区域中的待识别图像部分是否存在与类型信息对应的图形,如果是,则执行如下步骤S103,对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。例如:识别划分区域中是否存在指示牌道路交通标识类型信息的图像,如果存在,则将所述划分区域确定为指示牌道路交通标识类型信息对应的待识别区域。
本发明实施例中并不具体限定以上两种根据所述类型信息,在所述待识别图像中确定待识别区域的方式。
其中,将所述待识别图像进行区域划分,得到多个划分区域的方式可以采用将所述待识别图像平均分划成预定大小的多个区域,得到多个划分区域;或者,通过预定尺寸的窗口区域对所述待识别图像进行区域划分,得到多个划分区域。
下面如图2所示,并结合图3所示的待识别图像,以通过预定尺寸的窗口区域对所述待识别图像进行区域划分,得到多个划分区域的方式为例,详细说明本发明实施例公开的根据所述类型信息,在所述待识别图像中确定待识别区域的过程:
S1021:对待识别图像按照一定的比例进行多次缩小,得到多张缩小后的待识别图像;
可选的,缩小的具体比例可以根据算法对于性能和速度的需要进行选择,例如:缩小比例可以为原始图像比例的1/1.2,本发明实施例不做具体限定;
S1022:对于每张缩小后的待识别图像,使用预定尺度的窗口在图像的水平方向和竖直方向分别进行遍历,遍历过程中每个预定尺度的窗口覆盖的区域为待识别图像的多个划分区域;
可选的,在遍历过程中,为了能够对图像的每个区域都遍历到,设置连续两个预定尺度的窗口的重叠区域较大。
其中,所述预定尺度的窗口的预定尺寸是根据道路交通标识的类型信息、道路交通标识的最小尺寸、高宽比确定的,例如,当道路交通标识为圆形标志牌时,则设置窗口的尺寸与图片中圆形标志牌的比例为1:1;当道路交通标识为交通信号灯时,则设置窗口的尺寸与图片中交通信号灯的比例为1:3或者3:1。
S1023:在所述多个划分区域中确定所述待识别图像中是否具有与所述类型信息对应的图形;如果是,则执行S1024;否则执行S1025;
例如:在所述多个划分区域中确定所述待识别图像中是否具有与指示牌道路交通标识类型信息对应的多边形或圆弧状图形;在所述多个划分区域中确定所述待识别图像中是否具有与地面道路交通标识类型信息对应的设定亮度变化特性的图形;在所述多个划分区域中确定所述待识别图像中是否具有与灯光效果道路交通标识类型信息对应的设定色度变化特性的图形等,本发明实施例不做具体限定。
需要说明的是,本发明实施例中再识别出与所述类型信息对应的多边形或圆弧状图形、设定亮度变化特性的图形以及设定色度变化特性的图形之后,还需要对上述图形进行识别,确定以上图形具体包含的道路交通标识。
S1024:将所述划分区域确定为待识别区域;
S1025:退出。
可选的,在获取预先标记有类型信息的待识别图像之前,还包括:对原始图像进行预处理,得到满足预设图像处理条件的待识别图像。
可选的,对所述原始图像进行预处理的步骤可以包括:
对于图像质量太差影响识别的原始图像对其进行筛除,例如:筛除由于天气原因或者强光影响导致拍摄的画面不清晰的待识别图像;对于图像质量较差但不影响识别的原始图像对其进行修补,例如:对于拍摄画面亮度低的原始图像则对其图像亮度进行调节。
S103:对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。
需要说明的是,对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识的具体方法可以为:利用预先训练好的道路交通标识模型,对所述待识别区域进行识别;根据识别结果确定所述待识别区域中所包含的道路交通标识,其中,不同的待识别区域可以对应相同的预先训练好的道路交通标识模型,也可以对应不同的预先训练好的道路交通标识模型,本发明实施例不做具体限定。
可选的,所述道路交通标识模型是预先根据不同类型的道路交通标识的特征进行训练得到的,例如:依据道路交通标识的不同形状、颜色、内容、位于图像的位置等类型,针对性的提取各种特征,经过训练得到道路交通标识模型,训练得到的道路交通标识模型包括:颜色直方图、方向梯度直方图、或者局部二值特征等,本发明实施例不做具体限定。
其中,可以采用不同的学习算法,利用预先训练好的道路交通标识模型,对所述待识别区域进行识别,例如:采用支持向量机SVM或卷积神经网络CNN等学习算法,利用预先训练好的道路交通标识模型,自动学习出待识别区域中所包含的道路交通标识;或者,使用颜色二值化,利用预先训练好的道路交通标识模型进行模型匹配,检测待识别区域的红色区域是否呈现出圆环状以此确定出待识别区域中所包含的道路交通标识。
需要说明的是,由于本申请通过预先对待识别图像进行不同类型的标记,对于不同类型的待识别图像,采用不同的识别方案对道路交通标识进行识别,即采用不同的通道对道路交通标识进行识别,而不同道路交通标识有可能具备多个通道的特点(例如:道路交通标识指示牌既具有多边形特性又具有特定颜色特性),本发明实施例中,通过各个通道之间进行识别结果的共享,能够依据不同通道的识别结果,快速确定道路交通标识的具体类型,提高了不同道路交通标识的识别效率。
进一步的,本发明实施例中,还可以从不同的方面对道路交通标识进行识别,不同通道的识别结果合并输出,即可以对同一个道路交通标识按照不同的通道分别进行不同类型的识别,再将不同通道的识别结果进行合并,进一步提高了对道路交通标识识别的准确性。
本发明实施例提出了一种道路交通标识识别方法,通过获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;根据所述类型信息,在所述待识别图像中确定待识别区域;对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。本申请通过获取预先标记了类型信息的待识别图像,即可实现道路交通标识的自动识别,识别速度更快,进而缩短道路交通标识信息的更新周期,提高更新效率。本申请通过预先对待识别图像进行不同类型的标记,对于不同类型的待识别图像,采用不同的识别方案对道路交通标识进行识别,即采用不同的通道对道路交通标识进行识别,有效提高了不同道路交通标识的识别效率。
下面以待识别道路交通标识的不同类型为例,详细说明本申请实施例公开的根据所述类型信息,在所述待识别图像中确定待识别区域的具体过程。
可选的,当所述类型信息为指示牌道路交通标识类型信息时,请参照图4并结合图5所示的待识别图像,根据所述类型信息,在所述待识别图像中确定待识别区域的具体过程可以包括:
S201:将所述待识别图像进行区域划分,得到多个划分区域;
S202:在所述多个划分区域中判断所述待识别图像中是否具有多边形或圆弧状图形;如果是,则执行S203;否则,执行S204;
S203:将所述划分区域确定为待识别区域;
S204:退出。
可选的,如图5所示,将所述待识别图像划分成4个划分区域,4个划分区域按照在所述待识别图像中的位置顺时针进行编号,然后在4个划分区域中依次确定所述待识别图像中是否具有多边形或圆弧状图形,经确定,在编号为1的划分区域中存在多边形或圆弧状图形,因此,将所述编号为1的划分区域确定为待识别区域。
可选的,当所述类型信息为地面道路交通标识类型信息时,请参照图6并结合图7所示的待识别图像,根据所述类型信息,在所述待识别图像中确定待识别区域的具体过程可以包括:
S301:将所述待识别图像进行区域划分,得到多个划分区域;
S302:在所述多个划分区域中确定所述待识别图像中是否具有设定亮度变化特性的图形;如果是,则执行S303;否则,执行S304;
需要说明的是,由于地面道路交通标识是设置在地面上的,在确定待识别区域时,只需要在待识别图像中找出地面区域即可,而地面区域在图片中与其他区域相比,是具有某种设定亮度变化特性的,因此,在所述多个划分区域中确定出所述待识别图像中具有设定亮度变化特性的图形,即可确定出地面区域。
可选的,本发明实施例在确定地面区域的过程中也可以采用对待识别图像中的各个划分区域进行遍历的方式,找出道路的两条边缘线,并向道路的延伸方向分别对边缘线进行延长,位于两条边缘线之间的位置,即为地面区域。本发明实施例对于地面区域确定方式并不做具体限定。
S303:将所述划分区域确定为待识别区域。
S304:退出。
可选的,如图7所示,将所述待识别图像划分成4个划分区域,4个划分区域按照在所述待识别图像中的位置顺时针进行编号,然后在4个划分区域中依次确定所述待识别图像中是否具有设定亮度变化特性的图形,可以提取图像中心和图像四周区域的灰度均值,计算灰度均值差值,与预设的灰度阈值进行比较,当灰度均值差值在预设的灰度阈值范围内的情况,则确定所述待识别图像中具有设定亮度变化特性的图形,经确定,在编号为3、4的划分区域中存在设定亮度变化特性的图形,因此,将所述编号为3、4的划分区域确定为待识别区域。
可选的,当所述类型信息为灯光效果道路交通标识类型信息时,请参照图8并结合图9所示的待识别图像,根据所述类型信息,在所述待识别图像中确定待识别区域的具体过程可以包括:
S401:将所述待识别图像进行区域划分,得到多个划分区域;
S402:在所述多个划分区域中确定所述待识别图像中是否具有设定色度变化特性的图形;如果是,则执行S403;否则,执行S404;
需要说明的是,由于灯光效果道路交通标识一般为测速摄像头或交通信号灯,而测速摄像头在拍照的过程中会出现强弱光的变化,因此,拍摄在图片上的测速摄像头会有设定色度变化特性,而交通信号灯会呈现出红、绿、黄三种颜色的不同,也具有设定色度变化特性。
S403:将所述划分区域确定为待识别区域。
S404:退出。
可选的,如图9所示,将所述待识别图像划分成4个划分区域,4个划分区域按照在所述待识别图像中的位置顺时针进行编号,然后在4个划分区域中依次确定所述待识别图像中是否具有设定色度变化特性的图形,经确定,在编号为1的划分区域中存在具有设定色度变化特性的图形,因此,将所述编号为1的划分区域确定为待识别区域。
经由上述技术方案可知,本发明实施例通过获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;根据所述类型信息,在所述待识别图像中确定待识别区域;对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。获取预先标记了类型信息的待识别图像,即可实现道路交通标识的自动识别,识别速度更快,进而缩短道路交通标识信息的更新周期,提高更新效率,进一步的,本申请通过预先对待识别图像进行不同类型的标记,能够针对不同类型的待识别图像,采用不同的识别方案对道路交通标识进行识别,即采用不同的通道对道路交通标识进行识别,有效提高了不同道路交通标识的识别效率。
上述本发明公开的实施例中详细描述了方法,对于本发明的方法可采用多种形式的装置实现,因此本发明还公开了一种装置,下面给出具体的实施例进行详细说明。
图10为本发明实施例公开的一种道路交通标识识别装置的结构框图,该装置可以包括:
待识别图像获取模块11,用于获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;
待识别区域确定模块12,用于根据所述类型信息,在所述待识别图像中确定待识别区域;
道路交通标识识别模块13,用于对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。
基于上述应用排序装置实施例,本发明还可从以下单元中选取合适单元组成新的应用排序装置,具体组成方式可对应方法实施例中的相关描述进行确定,本实施例不再赘述。
所述待识别区域确定模块包括:
区域划分模块,用于将所述待识别图像进行区域划分,得到多个划分区域;
图形确定模块,用于在所述多个划分区域中确定所述待识别图像中是否具有与所述类型信息对应的图形;
第一待识别区域确定子模块,用于在所述图形确定模块在所述多个划分区域中确定出所述待识别图像中具有与所述类型信息对应的图形时,将所述划分区域确定为待识别区域。
当所述类型信息为指示牌道路交通标识类型信息时,
所述图形确定模块包括:
第一图形确定子模块,用于在所述多个划分区域中确定所述待识别图像中是否具有多边形或圆弧状图形。
当所述类型信息为地面道路交通标识类型信息时,
所述图形确定模块包括:
第二图形确定子模块,用于在所述多个划分区域中确定所述待识别图像中是否具有设定亮度变化特性的图形。
当所述类型信息为灯光效果道路交通标识类型信息时,
所述图形确定模块包括:
第三图形确定子模块,用于在所述多个划分区域中确定所述待识别图像中是否具有设定色度变化特性的图形。
还包括:
图像预处理模块,用于对所述待识别图像进行预处理,得到满足预设图像处理条件的待识别图像。
所述道路交通标识识别模块13包括:
待识别区域识别模块,用于利用预先训练好的道路交通标识模型,对所述待识别区域进行识别,其中,所述道路交通标识模型是预先根据不同类型的道路交通标识的特征进行训练得到的;
道路交通标识确定模块,用于根据识别结果确定所述待识别区域中所包含的道路交通标识。
综上所述:
本发明实施例公开了一种道路交通标识识别方法及装置,通过获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;根据所述类型信息,在所述待识别图像中确定待识别区域;对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。获取预先标记了类型信息的待识别图像,即可实现道路交通标识的自动识别,识别速度更快,进而缩短道路交通标识信息的更新周期,提高更新效率,进一步的,本申请通过预先对待识别图像进行不同类型的标记,能够针对不同类型的待识别图像,采用不同的识别方案对道路交通标识进行识别,即采用不同的通道对道路交通标识进行识别,有效提高了不同道路交通标识的识别效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种道路交通标识识别方法,其特征在于,包括:
获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;
根据所述类型信息,在所述待识别图像中确定待识别区域;
对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。
2.根据权利要求1所述的方法,其特征在于,
所述根据所述类型信息,在所述待识别图像中确定待识别区域的过程包括:
将所述待识别图像进行区域划分,得到多个划分区域;
在所述多个划分区域中确定所述待识别图像中是否具有与所述类型信息对应的图形;
如果是,则将所述划分区域确定为待识别区域。
3.根据权利要求2所述的方法,其特征在于,
当所述类型信息为指示牌道路交通标识类型信息时,
所述在所述多个划分区域中确定所述待识别图像中是否具有与所述类型信息对应的图形的步骤具体为:
在所述多个划分区域中确定所述待识别图像中是否具有多边形或圆弧状图形。
4.根据权利要求2所述的方法,其特征在于,
当所述类型信息为地面道路交通标识类型信息时,
所述在所述多个划分区域中确定所述待识别图像中是否具有与所述类型信息对应的图形的步骤具体为:
在所述多个划分区域中确定所述待识别图像中是否具有设定亮度变化特性的图形。
5.根据权利要求2所述的方法,其特征在于,
当所述类型信息为灯光效果道路交通标识类型信息时,
所述在所述多个划分区域中确定所述待识别图像中是否具有与所述类型信息对应的图形的步骤具体为:
在所述多个划分区域中确定所述待识别图像中是否具有设定色度变化特性的图形。
6.根据权利要求1所述的方法,其特征在于,
在获取预先标记有类型信息的待识别图像之前,还包括:
对原始图像进行预处理,得到满足预设图像处理条件的待识别图像。
7.根据权利要求1所述的方法,其特征在于,
所述对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识的步骤包括:
利用预先训练好的道路交通标识模型,对所述待识别区域进行识别,其中,所述道路交通标识模型是预先根据不同类型的道路交通标识的特征进行训练得到的;
根据识别结果确定所述待识别区域中所包含的道路交通标识。
8.一种道路交通标识识别装置,其特征在于,包括:
待识别图像获取模块,用于获取预先标记有类型信息的待识别图像,所述类型信息为待识别道路交通标识类型信息;
待识别区域确定模块,用于根据所述类型信息,在所述待识别图像中确定待识别区域;
道路交通标识识别模块,用于对所述待识别区域进行识别,确定所述待识别区域中所包含的道路交通标识。
9.根据权利要求8所述的装置,其特征在于,所述待识别区域确定模块包括:
区域划分模块,用于将所述待识别图像进行区域划分,得到多个划分区域;
图形确定模块,用于在所述多个划分区域中确定所述待识别图像中是否具有与所述类型信息对应的图形;
第一待识别区域确定子模块,用于在所述图形确定模块在所述多个划分区域中确定出所述待识别图像中具有与所述类型信息对应的图形时,将所述划分区域确定为待识别区域。
10.根据权利要求9所述的装置,其特征在于,
当所述类型信息为指示牌道路交通标识类型信息时,
所述图形确定模块包括:
第一图形确定子模块,用于在所述多个划分区域中确定所述待识别图像中是否具有多边形或圆弧状图形。
11.根据权利要求9所述的装置,其特征在于,
当所述类型信息为地面道路交通标识类型信息时,
所述图形确定模块包括:
第二图形确定子模块,用于在所述多个划分区域中确定所述待识别图像中是否具有设定亮度变化特性的图形。
12.根据权利要求9所述的装置,其特征在于,
当所述类型信息为灯光效果道路交通标识类型信息时,
所述图形确定模块包括:
第三图形确定子模块,用于在所述多个划分区域中确定所述待识别图像中是否具有设定色度变化特性的图形。
13.根据权利要求8所述的装置,其特征在于,还包括:
图像预处理模块,用于对所述待识别图像进行预处理,得到满足预设图像处理条件的待识别图像。
14.根据权利要求8所述的装置,其特征在于,
所述道路交通标识识别模块包括:
待识别区域识别模块,用于利用预先训练好的道路交通标识模型,对所述待识别区域进行识别,其中,所述道路交通标识模型是预先根据不同类型的道路交通标识的特征进行训练得到的;
道路交通标识确定模块,用于根据识别结果确定所述待识别区域中所包含的道路交通标识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610519158.9A CN107577981A (zh) | 2016-07-04 | 2016-07-04 | 一种道路交通标识识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610519158.9A CN107577981A (zh) | 2016-07-04 | 2016-07-04 | 一种道路交通标识识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107577981A true CN107577981A (zh) | 2018-01-12 |
Family
ID=61049875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610519158.9A Pending CN107577981A (zh) | 2016-07-04 | 2016-07-04 | 一种道路交通标识识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107577981A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118702A (zh) * | 2018-09-29 | 2019-01-01 | 歌尔股份有限公司 | 火灾检测方法、装置和设备 |
CN109284801A (zh) * | 2018-10-29 | 2019-01-29 | 百度在线网络技术(北京)有限公司 | 交通指示灯的状态识别方法、装置、电子设备及存储介质 |
CN109389167A (zh) * | 2018-09-29 | 2019-02-26 | 武汉中海庭数据技术有限公司 | 交通标志识别方法及系统 |
CN109711285A (zh) * | 2018-12-11 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 识别模型的训练、测试方法和装置 |
CN109916415A (zh) * | 2019-04-12 | 2019-06-21 | 北京百度网讯科技有限公司 | 道路类型确定方法、装置、设备及存储介质 |
CN110110726A (zh) * | 2019-05-15 | 2019-08-09 | 深圳供电局有限公司 | 电力设备铭牌识别方法、装置、计算机设备和存储介质 |
CN110533925A (zh) * | 2019-09-04 | 2019-12-03 | 上海眼控科技股份有限公司 | 车辆违法视频的处理方法、装置、计算机设备及存储介质 |
CN110598692A (zh) * | 2019-08-09 | 2019-12-20 | 清华大学 | 一种基于深度学习的椭圆识别方法 |
CN110619782A (zh) * | 2019-10-10 | 2019-12-27 | 武汉蛋玩科技有限公司 | 一种基于视觉的教育用交通知识认知动态沙盘系统 |
CN110717899A (zh) * | 2019-09-25 | 2020-01-21 | 武汉易视维科技有限公司 | 一种透明滤棒爆珠缺陷在线视觉检测方法 |
CN111311906A (zh) * | 2020-02-11 | 2020-06-19 | 北京百度网讯科技有限公司 | 路口距离的检测方法、装置、电子设备和存储介质 |
CN112334908A (zh) * | 2018-06-26 | 2021-02-05 | 伟摩有限责任公司 | 用于自主车辆的短语识别模型 |
CN112464737A (zh) * | 2020-11-04 | 2021-03-09 | 浙江预策科技有限公司 | 道路标线的检测与识别方法、电子装置和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361350A (zh) * | 2014-10-28 | 2015-02-18 | 奇瑞汽车股份有限公司 | 一种交通标识识别系统 |
CN104616021A (zh) * | 2014-12-24 | 2015-05-13 | 深圳市腾讯计算机系统有限公司 | 交通标志图像处理方法及装置 |
CN104766046A (zh) * | 2015-02-06 | 2015-07-08 | 哈尔滨工业大学深圳研究生院 | 一种利用交通标识颜色及形状特征进行检测与识别算法 |
CN105335708A (zh) * | 2015-10-22 | 2016-02-17 | 四川膨旭科技有限公司 | 车辆行驶过程中对路标、路牌进行识别的系统 |
-
2016
- 2016-07-04 CN CN201610519158.9A patent/CN107577981A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361350A (zh) * | 2014-10-28 | 2015-02-18 | 奇瑞汽车股份有限公司 | 一种交通标识识别系统 |
CN104616021A (zh) * | 2014-12-24 | 2015-05-13 | 深圳市腾讯计算机系统有限公司 | 交通标志图像处理方法及装置 |
CN104766046A (zh) * | 2015-02-06 | 2015-07-08 | 哈尔滨工业大学深圳研究生院 | 一种利用交通标识颜色及形状特征进行检测与识别算法 |
CN105335708A (zh) * | 2015-10-22 | 2016-02-17 | 四川膨旭科技有限公司 | 车辆行驶过程中对路标、路牌进行识别的系统 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112334908A (zh) * | 2018-06-26 | 2021-02-05 | 伟摩有限责任公司 | 用于自主车辆的短语识别模型 |
CN112334908B (zh) * | 2018-06-26 | 2024-05-10 | 伟摩有限责任公司 | 用于自主车辆的短语识别模型 |
CN109389167A (zh) * | 2018-09-29 | 2019-02-26 | 武汉中海庭数据技术有限公司 | 交通标志识别方法及系统 |
CN109118702A (zh) * | 2018-09-29 | 2019-01-01 | 歌尔股份有限公司 | 火灾检测方法、装置和设备 |
CN109284801A (zh) * | 2018-10-29 | 2019-01-29 | 百度在线网络技术(北京)有限公司 | 交通指示灯的状态识别方法、装置、电子设备及存储介质 |
CN109711285A (zh) * | 2018-12-11 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 识别模型的训练、测试方法和装置 |
CN109916415A (zh) * | 2019-04-12 | 2019-06-21 | 北京百度网讯科技有限公司 | 道路类型确定方法、装置、设备及存储介质 |
CN110110726A (zh) * | 2019-05-15 | 2019-08-09 | 深圳供电局有限公司 | 电力设备铭牌识别方法、装置、计算机设备和存储介质 |
CN110598692A (zh) * | 2019-08-09 | 2019-12-20 | 清华大学 | 一种基于深度学习的椭圆识别方法 |
CN110533925B (zh) * | 2019-09-04 | 2020-08-25 | 上海眼控科技股份有限公司 | 车辆违法视频的处理方法、装置、计算机设备及存储介质 |
CN110533925A (zh) * | 2019-09-04 | 2019-12-03 | 上海眼控科技股份有限公司 | 车辆违法视频的处理方法、装置、计算机设备及存储介质 |
CN110717899A (zh) * | 2019-09-25 | 2020-01-21 | 武汉易视维科技有限公司 | 一种透明滤棒爆珠缺陷在线视觉检测方法 |
CN110619782A (zh) * | 2019-10-10 | 2019-12-27 | 武汉蛋玩科技有限公司 | 一种基于视觉的教育用交通知识认知动态沙盘系统 |
CN111311906A (zh) * | 2020-02-11 | 2020-06-19 | 北京百度网讯科技有限公司 | 路口距离的检测方法、装置、电子设备和存储介质 |
CN112464737A (zh) * | 2020-11-04 | 2021-03-09 | 浙江预策科技有限公司 | 道路标线的检测与识别方法、电子装置和存储介质 |
CN112464737B (zh) * | 2020-11-04 | 2022-02-22 | 浙江预策科技有限公司 | 道路标线的检测与识别方法、电子装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107577981A (zh) | 一种道路交通标识识别方法及装置 | |
CN108921089A (zh) | 车道线检测方法、装置和系统及存储介质 | |
CN105550632B (zh) | 交通标志牌识别装置及其工作方法 | |
CN103824081B (zh) | 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法 | |
CN107730975B (zh) | 超市停车引导反向寻车和出场引导的系统和方法 | |
CN105354530B (zh) | 一种车身颜色识别方法及装置 | |
CN104537841B (zh) | 无牌车辆违章检测方法及其检测系统 | |
CN106909937A (zh) | 交通信号灯识别方法、车辆控制方法、装置及车辆 | |
CN106092114A (zh) | 一种图像识别的汽车实景导航装置及方法 | |
CN102903239B (zh) | 交通路口车辆左右违章转向检测方法和系统 | |
CN110197589A (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN108831168A (zh) | 一种基于关联路口视觉识别的交通信号灯控制方法与系统 | |
CN106778548B (zh) | 用于检测障碍物的方法和装置 | |
CN107944375A (zh) | 基于场景分割的自动驾驶处理方法及装置、计算设备 | |
Janahiraman et al. | Traffic light detection using tensorflow object detection framework | |
CN102496282A (zh) | 一种rgb颜色变换的交通路口信号灯状态识别方法 | |
CN104331873A (zh) | 一种从单幅图像检测道路的方法 | |
CN108171981A (zh) | 交叉路口的交通状况确定方法、装置和可读存储介质 | |
CN111047874B (zh) | 智能交通违章管理方法及相关产品 | |
CN110335484B (zh) | 控制车辆行驶的方法及装置 | |
CN109740484A (zh) | 道路障碍物识别的方法、装置及系统 | |
CN109866684A (zh) | 车道偏离预警方法、系统、可读存储介质及计算机设备 | |
CN112651293B (zh) | 一种公路违法设摊事件视频检测方法 | |
CN107644538A (zh) | 交通信号灯的识别方法及装置 | |
CN111753634A (zh) | 交通事件检测方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200508 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 100080 Beijing City, Haidian District Suzhou Street No. 3 floor 16 room 2 Applicant before: AUTONAVI INFORMATION TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180112 |
|
RJ01 | Rejection of invention patent application after publication |