CN111488821B - 用于识别交通信号灯倒计时信息的方法及装置 - Google Patents
用于识别交通信号灯倒计时信息的方法及装置 Download PDFInfo
- Publication number
- CN111488821B CN111488821B CN202010271004.9A CN202010271004A CN111488821B CN 111488821 B CN111488821 B CN 111488821B CN 202010271004 A CN202010271004 A CN 202010271004A CN 111488821 B CN111488821 B CN 111488821B
- Authority
- CN
- China
- Prior art keywords
- image
- identified
- information
- individual
- countdown
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims description 80
- 230000015654 memory Effects 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种用于识别交通信号灯倒计时信息的方法和装置,涉及自动驾驶领域。具体实现方案为:获取基于交通信号灯图像确定的待识别图像;从待识别图像中确定出待识别图像中的各个单独数字以及每个单独数字的特征信息,特征信息包括位置信息和数位信息;基于各单独数字的位置信息,从各个单独数字中确定出待识别的倒计时数字中包括的单独数字;基于待识别图形中的倒计时数字包含的单独数字和待识别图像中的倒计时数字的数位信息,确定出待识别图像中的倒计时数字。通过获取待识别图像中各个单独数字及其特征信息,然后组合出待识别图像中的倒计时数字,可以识别多种位数的倒计时牌。
Description
技术领域
本申请公开了一种用于识别交通信号灯倒计时信息的方法及装置,涉及自动驾驶领域。
背景技术
在无人车的行驶过程中,需要实时识别交通信号灯的倒计时信息,以进行行车预判。
相关技术中对交通信号灯倒计时信息的识别方法为:基于检测到的交通信号灯倒计时牌的图像,从倒计时牌的图像中分割出预设位数的倒计时数字的图像,然后通过分类模型对分割出的预设位数的倒计时数字图像进行识别。
发明内容
提供了一种用于识别交通信号灯倒计时信息的方法、装置、设备以及存储介质。
根据第一方面,提供了一种用于识别交通信号灯倒计时信息的方法,该方法包括:获取基于交通信号灯图像确定的待识别图像;从待识别图像中,确定出待识别图像中的各个单独数字以及每个单独数字的特征信息,特征信息包括位置信息和数位信息;基于各单独数字的位置信息,从各个单独数字钟确定出待识别的倒计时数字中包括的单独数字;基于待识别图形中的倒计时数字包含的单独数字和待识别图像中的倒计时数字的数位信息,确定出待识别图像中的倒计时数字。
根据第二方面,提供了一种用于识别交通信号灯倒计时信息的装置,该装置包括:图像获取模块,被配置成获取基于交通信号灯图像确定的待识别图像;信息获取模块,被配置成从待识别图像中,确定出待识别图像中的各个单独数字以及每个单独数字的特征信息,特征信息包括位置信息和数位信息;位置检测模块,被配置成基于各单独数字的位置信息,从各个单独数字中确定出待识别的倒计时数字中包含的单独数字;信息确定模块,被配置成基于待识别的倒计时数字中包含的单独数字和待识别的倒计时数字中包含的单独数字的数位信息,确定出待识别图像中的倒计时数字。
根据本申请的技术解决了相关技术中只能识别固定位数的交通信号灯倒计时牌的问题,通过获取待识别图像中各个单独数字及其特征信息,根据单独数字的位置信息确定出倒计时数字中包含的单独数字,再根据单独数字的数位信息组合出待识别图像中的倒计时数字,可以识别多种位数的倒计时牌,无需受限于现有技术中的只能识别预设位数的倒计时牌,提高了识别交通信号灯倒计时信息的灵活性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请的实施例可以应用于其中的示例性系统架构图;
图2是根据本申请第一实施例的示意图;
图3是根据本申请第二实施例的示意图;
图4是根据本申请第三实施例的示意图;
图5是用来实现本申请实施例的用于识别交通信号灯倒计时信息的方法的电子设备的框图;
图6是可以实现本申请实施例的计算机课存储介质的场景图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本申请的实施例的用于识别交通信号灯倒计时信息的方法或用于识别交通信号灯倒计时信息的装置的实力型系统架构100。
如图1所示,如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送数据等,例如将获取到的基于交通信号灯确定的待识别图像发送至服务器105,以及接收服务器105识别出的倒计时信息。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有与服务器进行数据交互功能的各种电子设备,包括但不限于智能手机、平板电脑和车载电脑等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供数据处理服务的服务器,例如对终端设备101、102、103上传的待识别图像进行识别的后台数据服务器。
需要说明的是,本申请的实施例所提供的用于识别交通信号灯倒计时信息的方法可以由服务器105执行,相应地,用于识别交通信号灯倒计时信息的装置可以设置于服务器105中。此时,终端设备可以通过网络将待识别图像发送至服务器105,由服务器105从中识别出倒计时信息。本申请的实施例所提供的用于识别交通信号灯倒计时信息的方法还可以由终端设备执行,例如车载电脑,相应地,用于识别交通信号灯倒计时信息的装置可以设置于终端设备中。例如终端设备可以从车载电脑中获取基于交通信号灯的图像生成的待识别图像,然后再对待识别图像进行识别。在此不作限定。
继续参考图2,图2示出了根据本申请公开的用于识别交通信号灯倒计时信息的方法第一实施例的流程图,包括以下步骤:
步骤S201、获取基于交通信号灯图像确定的待识别图像。
在本实施例中,待识别图像是指包括了待识别的交通信号灯倒计时信息的图像。例如,在一个具体的应用场景中,通过图像采集装置(例如可以是车载摄像头)实时获取交通信号灯的原始图像,然后由图像预处理模块生成待识别图像(例如可以通过车载电脑中的区域生成网络模块、实例分割模型等,从原始图像中提取出的待识别的交通信号灯倒计时牌的图像),最后由本实施的执行主体从图像预处理模块中获取该待识别图像。
在本实施例的一些可选的实现方式中,执行主体还可以通过如下步骤获取待识别图像:获取预处理图像;基于检测框信息,从预处理图像中确定出待识别图像。
在本实现方式中,预处理图像包括待识别的交通信号灯的图像和预先生成的对应于待识别的交通信号灯图像的检测框信息,检测框用于标识出待检测的交通信号灯在所获取的图像中的位置及大小,检测框信息可以包括检测框中心点的坐标以及检测框的尺寸信息。
在本实现方式的一个具体示例中,执行主体(例如图1中所示的终端设备:车载电脑)将实时获取到的交通信号灯的原始图像输入预先训练的区域生成网络模型,由区域生成网络模型在原始图像中生成矩形检测框,检测框中的区域为待检测的交通信号灯的图像。检测框的位置及大小用检测框信息表征,例如,得到的检测框信息为数字组成的序列(x,y,a,b),其中(x,y)表示检测框的中心在预处理图像中的坐标值,(a,b)则表示检测框的长度和宽度。检测框内的图像区域即为待识别图像。
进一步结合图3,在本实施例的另一些可选的实现方式中,执行主体还可以通过如下方法获得待识别图像:
步骤S301、获取预处理图像。
步骤S302、按预设比例放大检测框信息所指示的检测框,得到更新后的检测框。在本实现方式中,可以根据经验预先设定比例值,也可以由执行主体根据预处理图像的参数(例如图像的尺寸、分辨率等)、预设的针对预处理图像的参数的调整比例,自适应调整方法比例。
步骤S303、将更新后的检测框中的图像确定为待识别图像。
在本实现方式的一个具体的示例中,执行主体可以从车载电脑的图像处理模块中获取到预处理图像,假设预处理图像中预先生成的检测框信息为数字组成的序列(x,y,a,b),且预设比例为4;然后执行主体保持检测框中心的坐标不变,将检测框的长和宽放大至两倍,得到更新后的检测框,更新后的检测框中的图像区域即为待识别图像。由此可以看出,更新后的检测框对应的信息为(x,y,2a,2b),其框内区域面积增大至原来的4倍。
通过该实现方式可以从预处理图像中获取更大范围的待识别图像,可以避免预处理图像中预先生成的检测框定位不准导致获取到的交通信号灯的图像不完整,从而提高了对检测框定位不准的鲁棒性,有助于提高后续识别步骤的准确性和成功率。
继续参考图2,步骤S202、从待识别图像中,确定出待识别图像中的各个单独数字以及每个单独数字的特征信息,特征信息位置信息和数位信息。
作为示例,待识别图像中包括的倒计时牌中的数字为“123”,则经由步骤S202可以确定出3个单独数字为:“1”、“2”和“3”,以及这3个单独数字的位置信息和数位信息。
在本实施例中,位置信息用于表征该单独数字在待识别图像中的位置(例如可以是数字的几何中心在待识别图像中的像素坐标),数位信息用于表征该单独数字在待识别图像中的倒计时数字中对应的位数,例如个位、十位、百位。作为示例,执行主体可以将待识别图像输入预先构建的神经网络模型或深度学习模型(例如Open CV模型),得到待识别图像中的每个单独数字及其位置信息和数位信息。
在本实施例的一些可选的实现方式中,执行主体还可以通过如下步骤获取待识别图像中的各个单独数字以及每个单独数字的特征信息:将待识别图像输入预先训练的数字检测模型中,得到待识别图像中的各个单独数字以及每个单独数字的特征信息。
在本实现方式的一个具体的示例中,执行主体将步骤S201中获取到的待识别图像输入预先训练的yolo v2数字检测模型,该数字检测模型中包括数字分类器和数位分类器。yolo v2数字检测模型从待识别图像中提取出待识别的交通信号灯图像中包含的数字序列,并在数字序列中的每个单独数字的周围生成矩形检测框,该矩形检测框用于确定检测框内数字的位置信息,例如矩形检测框的信息为(m,n,j,k),则该矩形检测框内的数字在待识别图像中的像素坐标为(m,n),该坐标即该数字的位置信息。然后,由数字分类器识别出每个矩形检测框中的数字。再由数位分类器根据每个单独数字在数字序列中的位置,确定出每个单独数字的数位信息。从而得到了待识别图像中的各个单独数字以及每个单独数字的位置信息和数位信息。例如数字序列为1234,则数字“1”对应的数位信息是“千位”,数字“4”对应的数位信息为“个位”。可以理解的是,若数字序列中存在重复的单独数字,则输出该数字对应的全部数位信息。
进一步地,上述预先训练的数字检测模型可以通过如下步骤训练得到:基于已标记样本特征信息的样本图像集合,构建训练集,样本特征信息包括样本图像中的各单独数字以及每个单独数字的特征信息;将样本图像输入预先构建的初始数字检测模型中,将样本图像对应的样本特征信息作为期望输出,训练初始数字检测模型,得到训练后的数字检测模型。
步骤S203、基于各单独数字的位置信息,从各个单独数字中确定出待识别图像中的倒计时数字包含的单独数字。为了去除待识别图像中的噪音数字(即待识别图像中待识别的交通信号灯倒计时牌之外的数字),本实施例的执行主体基于各单独数字的位置信息,从各个单独数字中确定出待识别图像中的倒计时数字包含的单独数字。
作为示例,执行主体可以通过如下方式确定待识别图像中的倒计时数字包含的单独数字:基于各单独数字的位置信息,将处于同一条直线上的各个单独数字确定为待识别图像中的倒计时数字包含的单独数字,没有位于该直线上的数字则被当作噪音数字剔除。如此一来,可以提高识别的准确度。
步骤S204、基于待识别图形中的倒计时数字包含的单独数字和待识别图像中的倒计时数字包含的单独数字的数位信息,确定待识别图像中的倒计时数字。
基于步骤203中得到的待识别图形中的倒计时数字包含的单独数字,和步骤S202中得到的每个单独数字的数位信息,将各个单独数字分别放在对应的数位上即可得到待识别图像中的倒计时数字。作为示例,步骤S203中得到的待识别图形中的倒计时数字包含的单独数字为“1”、“0”和“2”,其中“1”的数位信息为“十位”,“0”的数位信息为“百位”,“2”的数位信息为“个位”,由此得到的待识别图像中的倒计时数字为“012”。
在上述一个或多个实施例中,每个单独数字的特征信息还可以进一步包括颜色信息,相应的本申请提供的用于识别交通信号灯倒计时信息的方法还可以进一步包括如下步骤:基于待识别的倒计时数字中包含的单独数字的颜色信息,确定倒计时数字的颜色信息;基于倒计时数字和倒计时数字的颜色信息,确定待识别的交通信号灯的倒计时信息。
以此生成的倒计时信息中包含了待识别的交通信号灯的颜色信息,如此一来可以通过倒计时信息推断出待识别的交通信号灯为红灯或绿灯,更有助于行车预判。
结合步骤S202中的示例进行举例说明,可以在yolo v2数字检测模型中设置颜色分类器,用于输出每个单独数字对应的颜色信息,例如输出的颜色信息为“0”,表示该数字为红色;输出的颜色信息为“1”,表示该数字为绿色,由单独数字的颜色信息可以确定出待识别的图像中倒计时数字的颜色信息,并最终根据倒计时数字和倒计时数字的颜色信息生成倒计时信息。
本申请公开的上述实施例中的用于识别交通信号灯倒计时信息的方法,通过获取待识别图像中各个单独数字及其特征信息,根据单独数字的位置信息确定出倒计时数字中包含的单独数字,再根据单独数字的数位信息组合出待识别图像中的倒计时数字,可以识别多种位数的倒计时牌,提高了对交通信号灯倒计时信息识别的灵活性。
继续参考图4,图4示出了根据本申请公开的用于识别交通信号灯倒计时信息的方法第三实施例的流程图,包括以下步骤:
步骤S401、获取基于交通信号灯图像确定的待识别图像。此步骤与前述步骤S201相对应,此处不再赘述。
步骤S402、从待识别图像中,确定出待识别图像中的各个单独数字以及每个单独数字的特征信息。此步骤与前述步骤S202线相对应,此处不再赘述。
步骤S403、基于各单独数字的位置信息,确定两个单独数字之间的距离。在本实施例中,步骤S202中得到的每个单独数字的位置信息包括了该数字在待识别图像中的坐标,通过计算两个单独数字对应的坐标之间的距离即可得到这两个单独数字之间的距离,由此可以得到待识别图像中任意两个单独数字之间的距离。
步骤S404、响应于两个单独数字之间的距离小于预设阈值,将该两个单独数字确定为关联数字。
在本实施例中,关联数字表示在空间上相邻的两个单独数字,用于表征待识别的倒计时数字中包含有该两个单独数字。在实际应用场景中,若待识别图像中包括了噪音数字,那么噪音数字与待识别的交通信号灯倒计时牌中的数字在空间上的距离要大于倒计时牌中的各个数字之间的距离,因此可以根据距离判断单独数字是否属于噪音数字。距离阈值可以根据经验预先设定,若两个单独数字之间的距离小于该预设阈值,则将这两个单独数字确定为关联数字,表示这两个单独数字属于待识别的交通信号灯倒计时牌中的数字,而非倒计时牌之外的噪音数字。
步骤S405、基于各关联数字,确定待识别图像中的倒计时数字包含的单独数字。
在本实施例中,基于步骤S404中的确定出的各组关联数字,可以得到存在关联关系的单独数字的集合,由执行主体对集合中的各个单独数字进行逻辑运算即可得到待识别图像中的倒计时数字包含的各个单独数字。作为示例,步骤S204中确定出的关联数字包括“a与b”、“b与a”、“b与c”、“c与d”、“d与b”,则可以确定待识别图像中的倒计时数字包含的单独数字为“a”、“b”、“c”、“d”和“b”。
步骤S406、基于待识别图形中的倒计时数字包含的单独数字和待识别图像中的倒计时数字包含的单独数字的数位信息,确定待识别图像中的倒计时数字。
结合步骤S405中的示例进行举例说明,假如单独数字“a”的位数信息为“个位”、“b”的位数信息为“十位”和“十万位”、“c”的数位信息为“千位”、“d”的数位信息为“万位”,则得到的倒计时数字为“bdcba”。
需要说明的是,图3中所示的获取基于交通信号灯图像确定的待识别图像的步骤同样可以作为上述实施例中步骤S401的可选的实现方式。
从图4中可以看出,第三实施例与图2示出的第一实施例相比,体现了根据单独数字之间的距离确定待识别的图像中倒计时数字包含的单独数字的步骤,由此可以更高效地剔除待识别图像中不属于倒计时数字的噪音数字,从而提高识别的准确度。
图5示出了根据本申请公开的用于识别交通信号灯倒计时信息的方法的电子设备的框图。该电子设备包括:
图像获取模块501,被配置成获取基于交通信号灯图像确定的待识别图像;信息获取模块502,被配置成从待识别图像中,确定出待识别图像中的各个单独数字以及每个单独数字的特征信息,特征信息包括位置信息和数位信息;位置检测模块503,被配置成基于各单独数字的位置信息,从各个单独数字中确定出待识别的倒计时数字中包含的单独数字;信息确定模块504,被配置成基于待识别的倒计时数字中包含的单独数字和待识别的倒计时数字中包含的单独数字的数位信息,确定待识别图像中的倒计时数字。
在本实施例中,位置检测模块503被进一步配置成采用如下步骤确定待识别图像中的倒计时数字包含的单独数字:基于位置信息,确定任意两个单独数字之间的距离;响应于两个单独数字之间的距离小于预设阈值,将两个单独数字确定为关联数字;基于各关联数字,确定待识别的图像中倒计时数字包含的单独数字。
在本实施例中,特征信息还包括颜色信息;以及,信息确定模块504被一步配置成执行如下步骤:基于待识别的倒计时数字中包含的单独数字的颜色信息,确定倒计时数字的颜色信息;基于倒计时数字和倒计时数字的颜色信息,确定待识别的交通信号灯的倒计时信息。
在本实施例中,信息获取模块502被进一步配置成:将待识别图像输入预先训练的数字检测模型,得到待识别图像中的各个单独数字以及每个单独数字的特征信息。
在本实施例中,数字检测模型由模型训练模块经由如下步骤训练得到:基于已标记样本特征信息的样本图像集合,构建训练集,样本特征信息包括样本图像中的各单独数字以及每个单独数字的特征信息;将样本图像输入预先构建的初始数字检测模型中,将样本图像对应的样本特征信息作为期望输出,训练初始数字检测模型,得到训练后的数字检测模型。
在本实施例中,图像获取模块501包括:预处理图像获取模块,被配置成获取预处理图像,预处理图像中包括待识别的交通信号灯的图像和预先生成的对应于待识别的交通信号灯图像的检测框的信息;待识别图像获取模块,被配置成基于检测框信息,从预处理图像中确定出待识别图像。
在本实施例中,待识别图像获取模块被进一步配置成采用如下步骤获取待识别图像:按预设比例放大检测框信息所指示的检测框,得到更新后的检测框;将更新后的检测框中的图像确定为待识别图像。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的计算机可存储介质的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的计算机可存储介质的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的计算机可存储介质的方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的计算机可存储介质的方法对应的程序指令/模块(例如,附图5所示的图像获取模块501、信息获取模块502、位置检测模块503和信息确定模块504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的计算机可存储介质的方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机可存储介质的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至计算机可存储介质的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
计算机可存储介质的方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与计算机可存储介质的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过获取待识别图像中各个单独数字及其特征信息,根据单独数字的位置信息确定出倒计时数字中包含的单独数字,再根据单独数字的数位信息组合出待识别图像中的倒计时数字,可以识别多种位数的倒计时牌,提高了对交通信号灯倒计时信息识别的灵活性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种用于识别交通信号灯倒计时信息的方法,包括:
获取基于交通信号灯图像确定的待识别图像;
从所述待识别图像中确定出所述待识别图像中的各个单独数字以及每个单独数字的特征信息,所述特征信息包括位置信息和数位信息;
基于各单独数字的位置信息,从所述各个单独数字中确定出所述待识别图像中的倒计时数字包含的单独数字;
基于所述待识别图像中的倒计时数字包含的单独数字和所述待识别图像中的倒计时数字包含的单独数字的数位信息,确定所述待识别图像中的倒计时数字;
其中,所述待识别的倒计时数字中包含的单独数字经由如下步骤确定:
基于所述位置信息,确定两个单独数字之间的距离;
响应于两个单独数字之间的距离小于预设阈值,将所述两个单独数字确定为关联数字;
基于所述关联数字,确定所述待识别的图像中倒计时数字包含的单独数字。
2.根据权利要求1所述的方法,其中,所述特征信息还包括颜色信息;以及,
基于所述待识别的倒计时数字中包含的单独数字的颜色信息,确定所述倒计时数字的颜色信息;
基于所述倒计时数字和所述倒计时数字的颜色信息,确定待识别的交通信号灯的倒计时信息。
3.根据权利要求1所述的方法,其中,从所述待识别图像中确定出所述待识别图像中的各个单独数字以及每个单独数字的特征信息,包括:
将所述待识别图像输入预先训练的数字检测模型,得到所述待识别图像中的各个单独数字以及每个单独数字的特征信息。
4.根据权利要求3所述的方法,其中,所述数字检测模型,经由如下步骤训练得到:
基于已标记样本特征信息的样本图像集合,构建训练集,所述样本特征信息包括样本图像中的各单独数字以及每个单独数字的特征信息;
将所述样本图像输入预先构建的初始数字检测模型中,将所述样本图像对应的样本特征信息作为期望输出,训练所述初始数字检测模型,得到训练后的数字检测模型。
5.根据权利要求1至4之一所述的方法,其中,所述待识别图像经由如下步骤确定:
获取预处理图像,所述预处理图像中包括待识别的交通信号灯的图像和预先生成的对应于所述待识别的交通信号灯图像的检测框的信息;
基于所述检测框信息,从所述预处理图像中确定出所述待识别图像。
6.根据权利要求5所述的方法,其中,所述基于所述检测框信息,从所述预处理图像中确定出所述待识别图像,包括:
按预设比例放大所述检测框信息所指示的检测框,得到更新后的检测框;
将更新后的检测框中的图像确定为待识别图像。
7.一种用于识别交通信号灯倒计时信息的装置,包括:
图像获取模块,被配置成获取基于交通信号灯图像确定的待识别图像;
信息获取模块,被配置成从所述待识别图像中,确定出所述待识别图像中的各个单独数字以及每个单独数字的特征信息,所述特征信息包括位置信息和数位信息;
位置检测模块,被配置成基于各单独数字的位置信息,从所述各个单独数字中确定出待识别图像中的倒计时数字包含的单独数字;
信息确定模块,被配置成基于所述待识别图像中的倒计时数字包含的单独数字和所述待识别图像中的倒计时数字包含的单独数字的数位信息,确定所述待识别图像中的倒计时数字;
其中,所述位置检测模块被进一步配置成采用如下步骤确定待识别图像中的倒计时数字包含的单独数字:
基于所述位置信息,确定两个单独数字之间的距离;
响应于两个单独数字之间的距离小于预设阈值,将所述两个单独数字确定为关联数字;
基于所述关联数字,确定所述待识别的图像中倒计时数字包含的单独数字。
8.根据权利要求7所述的装置,其中,所述特征信息还包括颜色信息;以及,
所述信息确定模块被一步配置成执行如下步骤:
基于所述待识别的倒计时数字中包含的单独数字的颜色信息,确定所述倒计时数字的颜色信息;
基于所述倒计时数字和所述倒计时数字的颜色信息,确定待识别的交通信号灯的倒计时信息。
9.根据权利要求7所述的装置,其中,所述信息获取模块被配置成:
将所述待识别图像输入预先训练的数字检测模型,得到所述待识别图像中的各个单独数字以及每个单独数字的特征信息。
10.根据权利要求9所述的装置,其中,所述数字检测模型由模型训练模块经由如下步骤训练得到:
基于已标记样本特征信息的样本图像集合,构建训练集,所述样本特征信息包括样本图像中的各单独数字以及每个单独数字的特征信息;
将所述样本图像输入预先构建的初始数字检测模型中,将所述样本图像对应的样本特征信息作为期望输出,训练所述初始数字检测模型,得到训练后的数字检测模型。
11.根据权利要求7至10之一所述的装置,其中,所述图像获取模块包括:
预处理图像获取模块,被配置成获取预处理图像,所述预处理图像中包括待识别的交通信号灯的图像和预先生成的对应于所述待识别的交通信号灯图像的检测框的信息;
待识别图像获取模块,被配置成基于所述检测框信息,从所述预处理图像中确定出所述待识别图像。
12.根据权利要求11所述的装置,其中,所述待识别图像获取模块被进一步配置成采用如下步骤获取所述待识别图像:
按预设比例放大所述检测框信息所指示的检测框,得到更新后的检测框;
将更新后的检测框中的图像确定为待识别图像。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010271004.9A CN111488821B (zh) | 2020-04-08 | 2020-04-08 | 用于识别交通信号灯倒计时信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010271004.9A CN111488821B (zh) | 2020-04-08 | 2020-04-08 | 用于识别交通信号灯倒计时信息的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111488821A CN111488821A (zh) | 2020-08-04 |
CN111488821B true CN111488821B (zh) | 2023-09-01 |
Family
ID=71794875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010271004.9A Active CN111488821B (zh) | 2020-04-08 | 2020-04-08 | 用于识别交通信号灯倒计时信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111488821B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507801A (zh) * | 2020-11-14 | 2021-03-16 | 武汉中海庭数据技术有限公司 | 车道路面数字颜色识别方法、限速信息识别方法及系统 |
CN112908006B (zh) * | 2021-04-12 | 2022-06-07 | 吉林大学 | 一种识别道路交通信号灯状态和倒计时显示器时间的方法 |
CN113436180A (zh) * | 2021-07-07 | 2021-09-24 | 京东科技控股股份有限公司 | 生产线上喷射码的检测方法、装置、系统、设备和介质 |
CN115662132A (zh) * | 2022-10-27 | 2023-01-31 | 天津天瞳威势电子科技有限公司 | 一种红绿灯倒计时时间识别方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574953A (zh) * | 2013-10-15 | 2015-04-29 | 福特全球技术公司 | 交通信号预测 |
WO2016022108A1 (en) * | 2014-08-06 | 2016-02-11 | Robinson Kurt B | Systems and methods involving features of adaptive and/or autonomous traffic control |
CN109767637A (zh) * | 2019-02-28 | 2019-05-17 | 杭州飞步科技有限公司 | 倒计时信号灯识别及处理的方法和装置 |
WO2019223582A1 (en) * | 2018-05-24 | 2019-11-28 | Beijing Didi Infinity Technology And Development Co., Ltd. | Target detection method and system |
CN110688992A (zh) * | 2019-12-09 | 2020-01-14 | 中智行科技有限公司 | 交通信号识别方法、装置、车辆导航设备和无人驾驶车辆 |
CN110910348A (zh) * | 2019-10-22 | 2020-03-24 | 上海联影智能医疗科技有限公司 | 一种肺结节的位置分类方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9070305B1 (en) * | 2010-01-22 | 2015-06-30 | Google Inc. | Traffic light detecting system and method |
-
2020
- 2020-04-08 CN CN202010271004.9A patent/CN111488821B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574953A (zh) * | 2013-10-15 | 2015-04-29 | 福特全球技术公司 | 交通信号预测 |
WO2016022108A1 (en) * | 2014-08-06 | 2016-02-11 | Robinson Kurt B | Systems and methods involving features of adaptive and/or autonomous traffic control |
WO2019223582A1 (en) * | 2018-05-24 | 2019-11-28 | Beijing Didi Infinity Technology And Development Co., Ltd. | Target detection method and system |
CN109767637A (zh) * | 2019-02-28 | 2019-05-17 | 杭州飞步科技有限公司 | 倒计时信号灯识别及处理的方法和装置 |
CN110910348A (zh) * | 2019-10-22 | 2020-03-24 | 上海联影智能医疗科技有限公司 | 一种肺结节的位置分类方法、装置、设备及存储介质 |
CN110688992A (zh) * | 2019-12-09 | 2020-01-14 | 中智行科技有限公司 | 交通信号识别方法、装置、车辆导航设备和无人驾驶车辆 |
Non-Patent Citations (1)
Title |
---|
复杂环境中交通标识识别与状态跟踪估计算法研究;谷明琴;《中国优秀硕士学位论文全文数据库信息科技辑》;I138-41 * |
Also Published As
Publication number | Publication date |
---|---|
CN111488821A (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111488821B (zh) | 用于识别交通信号灯倒计时信息的方法及装置 | |
JP7051267B2 (ja) | 画像検出方法、装置、電子設備、記憶媒体、及びプログラム | |
CN111931591B (zh) | 用于构建关键点学习模型的方法、装置、电子设备及可读存储介质 | |
CN111626119A (zh) | 目标识别模型训练方法、装置、设备以及存储介质 | |
CN111783870A (zh) | 人体属性的识别方法、装置、设备及存储介质 | |
CN112241764A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
GB2596370A (en) | Model training method and apparatus, and prediction method and apparatus | |
CN111767853B (zh) | 车道线检测方法和装置 | |
CN112150462B (zh) | 确定目标锚点的方法、装置、设备以及存储介质 | |
CN111563541B (zh) | 图像检测模型的训练方法和装置 | |
CN112507946A (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
CN112380566A (zh) | 用于对文档图像进行脱敏的方法、装置、电子设备及介质 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
CN112561053B (zh) | 图像处理方法、预训练模型的训练方法、装置和电子设备 | |
CN111695517A (zh) | 图像的表格提取方法、装置、电子设备及存储介质 | |
CN112508004A (zh) | 一种文字识别方法、装置、电子设备及存储介质 | |
CN112102417B (zh) | 确定世界坐标的方法和装置 | |
CN111753911A (zh) | 用于融合模型的方法和装置 | |
CN113537374A (zh) | 一种对抗样本生成方法 | |
CN111523467B (zh) | 人脸跟踪方法和装置 | |
CN111191619A (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
CN111768007B (zh) | 用于挖掘数据的方法和装置 | |
CN112016523B (zh) | 跨模态人脸识别的方法、装置、设备和存储介质 | |
CN112749701A (zh) | 车牌污损分类模型的生成方法和车牌污损分类方法 | |
CN112270303A (zh) | 图像识别方法、装置以及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |