CN115661784B - 一种面向智慧交通的交通标志图像大数据识别方法与系统 - Google Patents
一种面向智慧交通的交通标志图像大数据识别方法与系统 Download PDFInfo
- Publication number
- CN115661784B CN115661784B CN202211247130.6A CN202211247130A CN115661784B CN 115661784 B CN115661784 B CN 115661784B CN 202211247130 A CN202211247130 A CN 202211247130A CN 115661784 B CN115661784 B CN 115661784B
- Authority
- CN
- China
- Prior art keywords
- image
- traffic sign
- detected
- target
- template
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种面向智慧交通的交通标志图像大数据识别方法与系统,涉及数据识别技术领域。该方法包括:采集视频数据;筛选得到包含交通标志的待检测图像;对待检测图像中的交通标志区域进行分割提取,以作为待检测交通标志区域图像;对待检测交通标志区域图像进行优化处理,以得到目标待检测交通标志区域图像;获取模板交通标志图像;对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测,生成并根据相似度结果确定目标待检测交通标志区域图像中的交通标志信息。本发明利用基于差异性卷积核的目标检测技术、基于空间金字塔的相似度检测方法以及结合不同环境对图像进行优化处理,实现精准的交通标志图像检测。
Description
技术领域
本发明涉及数据识别技术领域,具体而言,涉及一种面向智慧交通的交通标志图像大数据识别方法与系统。
背景技术
越来越多的交通标志出现在城市道路中,然而,经常存在司机不能及时发现交通标志的情况,极易造成违章,甚至会导致严重的交通事故。因此,利用行车记录仪等视频采集设备,识别出交通标志并及时提醒司机,可以为智慧交通的建设提供直接的支持。
现有技术中尽管也已将目标检测等技术应用于交通标志的识别中,但仍然存在较为明显的识别误差,不能非常有效地为司机提供帮助。近年来,随着现代信息技术的高速发展,为交通标志图像大数据的精准识别提供了可能,因此,如何深度利用现代信息技术,实现面向智慧交通的交通标志图像大数据精准识别成为一个新的问题。
发明内容
为了克服上述问题或者至少部分地解决上述问题,本发明实施例提供一种面向智慧交通的交通标志图像大数据识别方法与系统,利用基于差异性卷积核的目标检测技术、基于空间金字塔的相似度检测方法以及结合不同环境对图像进行优化处理,实现精准的交通标志图像检测。
本发明的实施例是这样实现的:
第一方面,本发明实施例提供一种面向智慧交通的交通标志图像大数据识别方法,包括以下步骤:
采集目标汽车的预设的区域范围内的视频数据;
利用基于差异性卷积核的目标检测技术对视频数据进行检测,以筛选得到包含交通标志的待检测图像;
利用图像分割技术对待检测图像中的交通标志区域进行分割提取,以作为待检测交通标志区域图像;
获取并根据天气环境信息对待检测交通标志区域图像进行优化处理,以得到目标待检测交通标志区域图像;
获取并将各个类别的交通标志图像作为模板交通标志图像;
利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测,生成并根据相似度结果确定目标待检测交通标志区域图像中的交通标志信息。
为了解决现有技术中的问题,本发明利用基于差异性卷积核的目标检测技术对视频进行检测,更加精准地检测出了含有交通标志的图像帧,并将其作为待检测图像,减少后续的计算量;同时,为了保证得到更为清晰的图像,以便后续进行更为精准快速的识别,本发明还结合实际的天气环境情况采用不同的优化方法对待检测交通标志区域图像进行优化处理,然后利用基于空间金字塔的相似度检测方法,更加精准地检测出与待检测交通标志区域图像相似度最高的模板交通标志图像,从而最终完成对待检测交通标志区域图像的识别并提醒司机。本发明利用基于差异性卷积核的目标检测技术、基于空间金字塔的相似度检测方法以及结合不同环境对图像进行优化处理,实现精准的交通标志图像检测。
基于第一方面,在本发明的一些实施例中,在利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测的步骤之前,还包括:
对各个模板交通标志图像和目标待检测交通标志区域图像分别进行超分辨率重建。
基于第一方面,在本发明的一些实施例中,上述利用基于差异性卷积核的目标检测技术对视频数据进行检测,以筛选得到包含交通标志的待检测图像的方法包括以下步骤:
利用平滑卷积核对视频数据进行过滤处理,以得到平滑处理视频;
利用锐化卷积核对视频数据进行过滤处理,以得到锐化处理视频;
利用去噪卷积核对视频数据进行过滤处理,以得到去噪处理视频;
利用目标检测技术分别对平滑处理视频、锐化处理视频和去噪处理视频进行检测,以筛选得到包含交通标志的待检测图像。
基于第一方面,在本发明的一些实施例中,上述利用目标检测技术分别对平滑处理视频、锐化处理视频和去噪处理视频进行检测,以筛选得到包含交通标志的待检测图像的方法包括以下步骤:
利用目标检测技术分别对平滑处理视频、锐化处理视频和去噪处理视频进行检测,以得到对应的多个检测结果;
若至少两个检测结果为存在交通标志,则提取并对应的视频帧图像作为待检测图像。
基于第一方面,在本发明的一些实施例中,上述根据天气环境信息对待检测交通标志区域图像进行优化处理的方法包括以下步骤:
提取并根据天气环境信息中的雾天信息或雨天信息采用图像去雾或图像去雨方法对待检测交通标志区域图像进行去雾或去雨优化处理。
基于第一方面,在本发明的一些实施例中,上述利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测的方法包括以下步骤:
将任意一个模板交通标志图像和目标待检测交通标志区域图像分别进行稀疏编码,并利用欧式距离计算两者之间的相似度,生成第一相似度结果;
若相似度结果小于预置的相似度阈值,则认定两幅图像不相似;反之,则将该模板交通标志图像和目标待检测交通标志区域图像进行多等分处理,以得到多个模板等分区域图像和对应的多个目标等分区域图像;
将每个模板等分区域图像和每个目标等分区域图像分别进行稀疏编码,并分别计算各个对应区域的模板等分区域图像和目标等分区域图像两者之间的相似度,以得到并根据多个第二相似度结果判定该模板交通标志图像和目标待检测交通标志区域图像是否相似。
第二方面,本发明实施例提供一种面向智慧交通的交通标志图像大数据识别系统,包括:视频采集模块、目标筛选模块、图像分割模块、图像优化模块、模板采集模块以及检测识别模块,其中:
视频采集模块,用于采集目标汽车的预设的区域范围内的视频数据;
目标筛选模块,用于利用基于差异性卷积核的目标检测技术对视频数据进行检测,以筛选得到包含交通标志的待检测图像;
图像分割模块,用于利用图像分割技术对待检测图像中的交通标志区域进行分割提取,以作为待检测交通标志区域图像;
图像优化模块,用于获取并根据天气环境信息对待检测交通标志区域图像进行优化处理,以得到目标待检测交通标志区域图像;
模板采集模块,用于获取并将各个类别的交通标志图像作为模板交通标志图像;
检测识别模块,用于利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测,生成并根据相似度结果确定目标待检测交通标志区域图像中的交通标志信息。
为了解决现有技术中的问题,本系统通过视频采集模块、目标筛选模块、图像分割模块、图像优化模块、模板采集模块以及检测识别模块等多个模块的配合,利用基于差异性卷积核的目标检测技术对视频进行检测,更加精准地检测出了含有交通标志的图像帧,并将其作为待检测图像,减少后续的计算量;同时,为了保证得到更为清晰的图像,以便后续进行更为精准快速的识别,本发明还结合实际的天气环境情况采用不同的优化方法对待检测交通标志区域图像进行优化处理,然后利用基于空间金字塔的相似度检测方法,更加精准地检测出与待检测交通标志区域图像相似度最高的模板交通标志图像,从而最终完成对待检测交通标志区域图像的识别并提醒司机。本发明利用基于差异性卷积核的目标检测技术、基于空间金字塔的相似度检测方法以及结合不同环境对图像进行优化处理,实现精准的交通标志图像检测。
基于第二方面,在本发明的一些实施例中,该面向智慧交通的交通标志图像大数据识别系统还包括图像重建模块,用于对各个模板交通标志图像和目标待检测交通标志区域图像分别进行超分辨率重建。
第三方面,本申请实施例提供一种电子设备,其包括存储器,用于存储一个或多个程序;处理器。当一个或多个程序被处理器执行时,实现如上述第一方面中任一项的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
本发明实施例至少具有如下优点或有益效果:
本发明实施例提供一种面向智慧交通的交通标志图像大数据识别方法与系统,利用基于差异性卷积核的目标检测技术对视频进行检测,更加精准地检测出了含有交通标志的图像帧,并将其作为待检测图像,减少后续的计算量;同时,为了保证得到更为清晰的图像,以便后续进行更为精准快速的识别,本发明还结合实际的天气环境情况采用不同的优化方法对待检测交通标志区域图像进行优化处理,然后利用基于空间金字塔的相似度检测方法,更加精准地检测出与待检测交通标志区域图像相似度最高的模板交通标志图像,从而最终完成对待检测交通标志区域图像的精准识别。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例一种面向智慧交通的交通标志图像大数据识别方法的流程图;
图2为本发明实施例一种面向智慧交通的交通标志图像大数据识别方法中利用基于差异性卷积核的目标检测技术对视频数据进行检测的流程图;
图3为本发明实施例一种面向智慧交通的交通标志图像大数据识别方法中筛选待检测图像的流程图;
图4为本发明实施例一种面向智慧交通的交通标志图像大数据识别系统的原理框图;
图5为本发明实施例提供的一种电子设备的结构框图。
附图标记说明:100、视频采集模块;200、目标筛选模块;300、图像分割模块;400、图像优化模块;500、模板采集模块;600、图像重建模块;700、检测识别模块;101、存储器;102、处理器;103、通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括上述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本发明实施例的描述中,“多个”代表至少2个。
实施例:
如图1-图3所示,第一方面,本发明实施例提供一种面向智慧交通的交通标志图像大数据识别方法,包括以下步骤:
S1、采集目标汽车的预设的区域范围内的视频数据;利用行车记录仪等设备对汽车周围区域进行视频提取。
S2、利用基于差异性卷积核的目标检测技术对视频数据进行检测,以筛选得到包含交通标志的待检测图像;
进一步地,如图2所示,包括:
S21、利用平滑卷积核对视频数据进行过滤处理,以得到平滑处理视频;
S22、利用锐化卷积核对视频数据进行过滤处理,以得到锐化处理视频;
S23、利用去噪卷积核对视频数据进行过滤处理,以得到去噪处理视频;
S24、利用目标检测技术分别对平滑处理视频、锐化处理视频和去噪处理视频进行检测,以筛选得到包含交通标志的待检测图像。
进一步地,如图3所示,包括:
S241、利用目标检测技术分别对平滑处理视频、锐化处理视频和去噪处理视频进行检测,以得到对应的多个检测结果;
S242、若至少两个检测结果为存在交通标志,则提取并对应的视频帧图像作为待检测图像。
在本发明的一些实施例中,利用基于差异性卷积核的目标检测技术对视频进行检测,如果视频中检测到了交通标志,将视频中的此帧图像提取出来作为待检测图像。基于差异性卷积核的目标检测技术步骤如图2和图 3所示,分别对三种过滤后视频利用目标检测技术进行检测,如果对于某一帧图像,至少在两种过滤后视频中同时检测到交通标志,则将视频中的此帧图像提取出来作为待检测图像(此帧图像不做平滑、锐化、去噪处理,直接从原视频中提取此帧图像即可)。
S3、利用图像分割技术对待检测图像中的交通标志区域进行分割提取,以作为待检测交通标志区域图像;上述图像分割技术为常规分割方法,在此不做赘述。
S4、获取并根据天气环境信息对待检测交通标志区域图像进行优化处理,以得到目标待检测交通标志区域图像;
进一步地,提取并根据天气环境信息中的雾天信息或雨天信息采用图像去雾或图像去雨方法对待检测交通标志区域图像进行去雾或去雨优化处理。
在本发明的一些实施例中,如果此时为下雨天或雾天,对待检测交通标志区域图像进行去雨或去雾处理,以便去除冗余干扰,得到更为精准的图像。如果为正常天气,则直接进行下一步即可。
S5、获取并将各个类别的交通标志图像作为模板交通标志图像;通过网络下载、实地拍摄等方式获取所有类别的交通标志图像,并作为模板交通标志图像,为后续提供完整的对比参考数据。
S6、利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测,生成并根据相似度结果确定目标待检测交通标志区域图像中的交通标志信息。
进一步地,包括:将任意一个模板交通标志图像和目标待检测交通标志区域图像分别进行稀疏编码,并利用欧式距离计算两者之间的相似度,生成第一相似度结果;若相似度结果小于预置的相似度阈值,则认定两幅图像不相似;反之,则将该模板交通标志图像和目标待检测交通标志区域图像进行多等分处理,以得到多个模板等分区域图像和对应的多个目标等分区域图像;将每个模板等分区域图像和每个目标等分区域图像分别进行稀疏编码,并分别计算各个对应区域的模板等分区域图像和目标等分区域图像两者之间的相似度,以得到并根据多个第二相似度结果判定该模板交通标志图像和目标待检测交通标志区域图像是否相似。
在本发明的一些实施例中,利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和待检测交通标志区域图像进行相似度检测,找出与待检测交通标志区域图像相似度最高的模板交通标志图像,将待检测交通标志区域图像和此模板交通标志图像认定为同一种交通标志图像,并提醒司机(例如此模板交通标志图像为‘禁止停车’,则提醒司机此处禁止停车)。
上述基于空间金字塔的相似度检测方法步骤如下:
(a)将任意一个模板交通标志图像和待检测交通标志区域图像进行稀疏编码,利用欧式距离计算它们之间的相似度。如果相似度较低,直接认定为两幅图像不相似;如果相似度较高,继续进行下一步;
(b)将该模板交通标志图像和待检测交通标志区域图像进行4等分,每个等分区域分别进行稀疏编码,分别计算4个对应区域的相似度(左上对应左上,右下对应右下等)。如果4个区域中相似度较高的低于3个,直接认定为两幅图像不相似;如果4个区域中相似度较高的不低于3个,继续进行下一步;
(c)将该模板交通标志图像和待检测交通标志区域图像进行16等分,每个等分区域分别进行稀疏编码,分别计算16个对应区域的相似度(左上对应左上,右下对应右下等)。如果16个区域中相似度较高的低于12 个,直接认定为两幅图像不相似;如果16个区域中相似度较高的不低于 12个,最终认定该模板交通标志图像和待检测交通标志区域图像相似度较高。
将所有被认定与待检测交通标志区域图像相似度较高的模板交通标志图像进行排序,把(c)步骤中与待检测交通标志区域图像相似区域最多的模板交通标志图像(例如16个区域有15区域相似),认定为与待检测交通标志区域图像相似度最高的模板交通标志图像。
为了解决现有技术中的问题,本发明利用基于差异性卷积核的目标检测技术对视频进行检测,更加精准地检测出了含有交通标志的图像帧,并将其作为待检测图像,减少后续的计算量;同时,为了保证得到更为清晰的图像,以便后续进行更为精准快速的识别,本发明还结合实际的天气环境情况采用不同的优化方法对待检测交通标志区域图像进行优化处理,然后利用基于空间金字塔的相似度检测方法,更加精准地检测出与待检测交通标志区域图像相似度最高的模板交通标志图像,从而最终完成对待检测交通标志区域图像的识别并提醒司机。本发明利用基于差异性卷积核的目标检测技术、基于空间金字塔的相似度检测方法以及结合不同环境对图像进行优化处理,实现精准的交通标志图像检测。
基于第一方面,在本发明的一些实施例中,在利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测的步骤之前,还包括:
对各个模板交通标志图像和目标待检测交通标志区域图像分别进行超分辨率重建。
为了保证后续可以进行更为精准的图像识别,对模板交通标志图像和目标待检测交通标志区域图像进行超分辨率重建,以得到更为清晰的图像,为后续提供精准的图像。
如图4所示,第二方面,本发明实施例提供一种面向智慧交通的交通标志图像大数据识别系统,包括:视频采集模块100、目标筛选模块200、图像分割模块300、图像优化模块400、模板采集模块500以及检测识别模块700,其中:
视频采集模块100,用于采集目标汽车的预设的区域范围内的视频数据;
目标筛选模块200,用于利用基于差异性卷积核的目标检测技术对视频数据进行检测,以筛选得到包含交通标志的待检测图像;
图像分割模块300,用于利用图像分割技术对待检测图像中的交通标志区域进行分割提取,以作为待检测交通标志区域图像;
图像优化模块400,用于获取并根据天气环境信息对待检测交通标志区域图像进行优化处理,以得到目标待检测交通标志区域图像;
模板采集模块500,用于获取并将各个类别的交通标志图像作为模板交通标志图像;
检测识别模块700,用于利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测,生成并根据相似度结果确定目标待检测交通标志区域图像中的交通标志信息。
为了解决现有技术中的问题,本系统通过视频采集模块100、目标筛选模块200、图像分割模块300、图像优化模块400、模板采集模块500以及检测识别模块700等多个模块的配合,利用基于差异性卷积核的目标检测技术对视频进行检测,更加精准地检测出了含有交通标志的图像帧,并将其作为待检测图像,减少后续的计算量;同时,为了保证得到更为清晰的图像,以便后续进行更为精准快速的识别,本发明还结合实际的天气环境情况采用不同的优化方法对待检测交通标志区域图像进行优化处理,然后利用基于空间金字塔的相似度检测方法,更加精准地检测出与待检测交通标志区域图像相似度最高的模板交通标志图像,从而最终完成对待检测交通标志区域图像的识别并提醒司机。本发明利用基于差异性卷积核的目标检测技术、基于空间金字塔的相似度检测方法以及结合不同环境对图像进行优化处理,实现精准的交通标志图像检测。
如图4所示,基于第二方面,在本发明的一些实施例中,该面向智慧交通的交通标志图像大数据识别系统还包括图像重建模块600,用于对各个模板交通标志图像和目标待检测交通标志区域图像分别进行超分辨率重建。
为了保证后续可以进行更为精准的图像识别,通过图像重建模块600 对模板交通标志图像和目标待检测交通标志区域图像进行超分辨率重建,以得到更为清晰的图像,为后续提供精准的图像。
如图5所示,第三方面,本申请实施例提供一种电子设备,其包括存储器101,用于存储一个或多个程序;处理器102。当一个或多个程序被处理器102执行时,实现如上述第一方面中任一项的方法。
还包括通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器 101可用于存储软件程序及模块,处理器102通过执行存储在存储器101 内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口 103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器 (Random Access Memory,RAM),只读存储器(Read Only Memory, ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器 102可以是通用处理器,包括中央处理器(Central Processing Unit, CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中,应该理解到,所揭露的方法及系统和方法,也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM, Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (8)
1.一种面向智慧交通的交通标志图像大数据识别方法,其特征在于,包括以下步骤:
采集目标汽车的预设的区域范围内的视频数据;
利用基于差异性卷积核的目标检测技术对视频数据进行检测,以筛选得到包含交通标志的待检测图像,包括:利用平滑卷积核对视频数据进行过滤处理,以得到平滑处理视频;利用锐化卷积核对视频数据进行过滤处理,以得到锐化处理视频;利用去噪卷积核对视频数据进行过滤处理,以得到去噪处理视频;利用目标检测技术分别对平滑处理视频、锐化处理视频和去噪处理视频进行检测,以筛选得到包含交通标志的待检测图像,包括:利用目标检测技术分别对平滑处理视频、锐化处理视频和去噪处理视频进行检测,以得到对应的多个检测结果;若至少两个检测结果为存在交通标志,则提取并对应的视频帧图像作为待检测图像;
利用图像分割技术对待检测图像中的交通标志区域进行分割提取,以作为待检测交通标志区域图像;
获取并根据天气环境信息对待检测交通标志区域图像进行优化处理,以得到目标待检测交通标志区域图像;
获取并将各个类别的交通标志图像作为模板交通标志图像;
利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测,生成并根据相似度结果确定目标待检测交通标志区域图像中的交通标志信息。
2.根据权利要求1所述的一种面向智慧交通的交通标志图像大数据识别方法,其特征在于,在利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测的步骤之前,还包括:
对各个模板交通标志图像和目标待检测交通标志区域图像分别进行超分辨率重建。
3.根据权利要求1所述的一种面向智慧交通的交通标志图像大数据识别方法,其特征在于,所述根据天气环境信息对待检测交通标志区域图像进行优化处理的方法包括以下步骤:
提取并根据天气环境信息中的雾天信息或雨天信息采用图像去雾或图像去雨方法对待检测交通标志区域图像进行去雾或去雨优化处理。
4.根据权利要求1所述的一种面向智慧交通的交通标志图像大数据识别方法,其特征在于,所述利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测的方法包括以下步骤:
将任意一个模板交通标志图像和目标待检测交通标志区域图像分别进行稀疏编码,并利用欧式距离计算两者之间的相似度,生成第一相似度结果;
若相似度结果小于预置的相似度阈值,则认定两幅图像不相似;反之,则将该模板交通标志图像和目标待检测交通标志区域图像进行多等分处理,以得到多个模板等分区域图像和对应的多个目标等分区域图像;
将每个模板等分区域图像和每个目标等分区域图像分别进行稀疏编码,并分别计算各个对应区域的模板等分区域图像和目标等分区域图像两者之间的相似度,以得到并根据多个第二相似度结果判定该模板交通标志图像和目标待检测交通标志区域图像是否相似。
5.一种面向智慧交通的交通标志图像大数据识别系统,其特征在于,包括:视频采集模块、目标筛选模块、图像分割模块、图像优化模块、模板采集模块以及检测识别模块,其中:
视频采集模块,用于采集目标汽车的预设的区域范围内的视频数据;
目标筛选模块,用于利用基于差异性卷积核的目标检测技术对视频数据进行检测,以筛选得到包含交通标志的待检测图像,包括:利用平滑卷积核对视频数据进行过滤处理,以得到平滑处理视频;利用锐化卷积核对视频数据进行过滤处理,以得到锐化处理视频;利用去噪卷积核对视频数据进行过滤处理,以得到去噪处理视频;利用目标检测技术分别对平滑处理视频、锐化处理视频和去噪处理视频进行检测,以筛选得到包含交通标志的待检测图像,包括:利用目标检测技术分别对平滑处理视频、锐化处理视频和去噪处理视频进行检测,以得到对应的多个检测结果;若至少两个检测结果为存在交通标志,则提取并对应的视频帧图像作为待检测图像;
图像分割模块,用于利用图像分割技术对待检测图像中的交通标志区域进行分割提取,以作为待检测交通标志区域图像;
图像优化模块,用于获取并根据天气环境信息对待检测交通标志区域图像进行优化处理,以得到目标待检测交通标志区域图像;
模板采集模块,用于获取并将各个类别的交通标志图像作为模板交通标志图像;
检测识别模块,用于利用基于空间金字塔的相似度检测方法,对任意一个模板交通标志图像和目标待检测交通标志区域图像进行相似度检测,生成并根据相似度结果确定目标待检测交通标志区域图像中的交通标志信息。
6.根据权利要求5所述的一种面向智慧交通的交通标志图像大数据识别系统,其特征在于,还包括图像重建模块,用于对各个模板交通标志图像和目标待检测交通标志区域图像分别进行超分辨率重建。
7.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-4中任一项所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211247130.6A CN115661784B (zh) | 2022-10-12 | 2022-10-12 | 一种面向智慧交通的交通标志图像大数据识别方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211247130.6A CN115661784B (zh) | 2022-10-12 | 2022-10-12 | 一种面向智慧交通的交通标志图像大数据识别方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115661784A CN115661784A (zh) | 2023-01-31 |
CN115661784B true CN115661784B (zh) | 2023-08-22 |
Family
ID=84988094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211247130.6A Active CN115661784B (zh) | 2022-10-12 | 2022-10-12 | 一种面向智慧交通的交通标志图像大数据识别方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115661784B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934374A (zh) * | 2017-03-14 | 2017-07-07 | 潍坊学院 | 一种雾霾场景中交通标识牌的识别方法及系统 |
CN107346413A (zh) * | 2017-05-16 | 2017-11-14 | 北京建筑大学 | 一种街景影像中的交通标志识别方法和系统 |
CN110226170A (zh) * | 2018-06-27 | 2019-09-10 | 潍坊学院 | 一种雨雪天气中的道路交通标志识别方法 |
CN110765948A (zh) * | 2019-10-24 | 2020-02-07 | 长沙品先信息技术有限公司 | 一种基于无人机的目标检测识别方法及系统 |
WO2020244653A1 (zh) * | 2019-06-06 | 2020-12-10 | 华为技术有限公司 | 物体识别方法及装置 |
CN112785486A (zh) * | 2019-11-07 | 2021-05-11 | 英特尔公司 | 用于图像去噪声的自适应可变形核预测网络 |
CN112801902A (zh) * | 2021-01-29 | 2021-05-14 | 福州大学 | 一种基于改进生成对抗网络的交通图像去雾方法 |
CN113313214A (zh) * | 2021-07-30 | 2021-08-27 | 北京惠朗世纪科技有限公司 | 一种基于多卷积核后验的带水印字符的识别方法及系统 |
CN113554872A (zh) * | 2021-07-19 | 2021-10-26 | 昭通亮风台信息科技有限公司 | 一种位于交通路口及弯道的检测预警方法及系统 |
CN114925239A (zh) * | 2022-07-20 | 2022-08-19 | 北京师范大学 | 基于人工智能的智慧教育目标视频大数据检索方法及系统 |
CN115018492A (zh) * | 2022-07-18 | 2022-09-06 | 北京师范大学 | 一种基于人工智能的智慧校园自动结账方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148196B (zh) * | 2018-09-12 | 2022-03-25 | 腾讯大地通途(北京)科技有限公司 | 一种图像处理方法、装置以及相关设备 |
-
2022
- 2022-10-12 CN CN202211247130.6A patent/CN115661784B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934374A (zh) * | 2017-03-14 | 2017-07-07 | 潍坊学院 | 一种雾霾场景中交通标识牌的识别方法及系统 |
CN107346413A (zh) * | 2017-05-16 | 2017-11-14 | 北京建筑大学 | 一种街景影像中的交通标志识别方法和系统 |
CN110226170A (zh) * | 2018-06-27 | 2019-09-10 | 潍坊学院 | 一种雨雪天气中的道路交通标志识别方法 |
WO2020244653A1 (zh) * | 2019-06-06 | 2020-12-10 | 华为技术有限公司 | 物体识别方法及装置 |
CN110765948A (zh) * | 2019-10-24 | 2020-02-07 | 长沙品先信息技术有限公司 | 一种基于无人机的目标检测识别方法及系统 |
CN112785486A (zh) * | 2019-11-07 | 2021-05-11 | 英特尔公司 | 用于图像去噪声的自适应可变形核预测网络 |
CN112801902A (zh) * | 2021-01-29 | 2021-05-14 | 福州大学 | 一种基于改进生成对抗网络的交通图像去雾方法 |
CN113554872A (zh) * | 2021-07-19 | 2021-10-26 | 昭通亮风台信息科技有限公司 | 一种位于交通路口及弯道的检测预警方法及系统 |
CN113313214A (zh) * | 2021-07-30 | 2021-08-27 | 北京惠朗世纪科技有限公司 | 一种基于多卷积核后验的带水印字符的识别方法及系统 |
CN115018492A (zh) * | 2022-07-18 | 2022-09-06 | 北京师范大学 | 一种基于人工智能的智慧校园自动结账方法及系统 |
CN114925239A (zh) * | 2022-07-20 | 2022-08-19 | 北京师范大学 | 基于人工智能的智慧教育目标视频大数据检索方法及系统 |
Non-Patent Citations (1)
Title |
---|
复杂环境下的交通标志检测与识别方法综述;陈飞 等;《计算机工程与应用》;第57卷(第16期);65-73 * |
Also Published As
Publication number | Publication date |
---|---|
CN115661784A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marzougui et al. | A lane tracking method based on progressive probabilistic Hough transform | |
Abdullah et al. | YOLO-based three-stage network for Bangla license plate recognition in Dhaka metropolitan city | |
CN110544211A (zh) | 一种镜头付着物的检测方法、系统、终端和存储介质 | |
CN114332513B (zh) | 一种面向智慧城市的新能源汽车异常停放大数据检测方法 | |
CN112990065B (zh) | 一种基于优化的YOLOv5模型的车辆分类检测方法 | |
US10824881B2 (en) | Device and method for object recognition of an input image for a vehicle | |
CN107909007B (zh) | 车道线检测方法及装置 | |
CN111400533B (zh) | 图像筛选方法、装置、电子设备和存储介质 | |
CN110909598B (zh) | 一种基于深度学习的非机动车道交通违法行驶识别方法 | |
Gluhaković et al. | Vehicle detection in the autonomous vehicle environment for potential collision warning | |
CN115100450B (zh) | 基于人工智能的智慧交通品牌汽车大数据检测方法及系统 | |
CN111627057A (zh) | 一种距离测量方法、装置及服务器 | |
CN114581886A (zh) | 结合语义分割和频域分析的能见度判别方法、装置及介质 | |
CN116562991B (zh) | 面向元宇宙电商平台的商品大数据信息识别方法及系统 | |
CN115661784B (zh) | 一种面向智慧交通的交通标志图像大数据识别方法与系统 | |
Al Mamun et al. | Efficient lane marking detection using deep learning technique with differential and cross-entropy loss. | |
CN109740502B (zh) | 道路质量检测方法及装置 | |
CN116129380A (zh) | 自动驾驶车辆行驶车道判别方法、系统、车辆及存储介质 | |
CN113591543B (zh) | 交通标志识别方法、装置、电子设备及计算机存储介质 | |
CN115713630A (zh) | 基于人工智能的低质量盖章图像大数据识别方法及系统 | |
CN114694066A (zh) | 一种图像处理方法、装置、电子设备和存储介质 | |
CN113486856A (zh) | 一种基于语义分割和卷积神经网络的驾驶员不规范行为检测方法 | |
CN116343137B (zh) | 一种基于人工智能的尾气异常汽车大数据检测方法及系统 | |
CN110544232A (zh) | 一种镜头付着物的检测系统、终端和存储介质 | |
CN115131110B (zh) | 一种基于区块链的智慧交通共享汽车智能应用方法及系统 |
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 |