TWI831643B - 交通標誌識別方法及相關設備 - Google Patents
交通標誌識別方法及相關設備 Download PDFInfo
- Publication number
- TWI831643B TWI831643B TW112109230A TW112109230A TWI831643B TW I831643 B TWI831643 B TW I831643B TW 112109230 A TW112109230 A TW 112109230A TW 112109230 A TW112109230 A TW 112109230A TW I831643 B TWI831643 B TW I831643B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- traffic sign
- specific area
- data matrix
- image data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000011159 matrix material Substances 0.000 claims abstract description 88
- 238000012545 processing Methods 0.000 claims abstract description 33
- 230000000873 masking effect Effects 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申請公開一種交通標誌識別方法及相關設備，涉及影像處理技術領域，旨在解決如何提高交通標誌識別準確率的問題。交通標誌識別方法包括：獲取交通標誌的初始圖像；對初始圖像進行圖像增強處理，得到增強圖像；將初始圖像和增強圖像合併轉換成圖像資料矩陣；從圖像資料矩陣中識別出交通標誌的位置；根據交通標誌的位置對初始圖像和增強圖像進行遮罩處理，得到特定區域初始圖像和特定區域增強圖像；將特定區域初始圖像和特定區域增強圖像合併轉換成特定區域圖像資料矩陣；從特定區域圖像資料矩陣中識別出交通標誌。
Description
本申請涉及影像處理技術領域，具體涉及一種交通標誌識別方法及相關設備。
目前，識別道路交通標誌通常是由人工設計特徵，經由特徵比對從採集的圖像中識別出交通標誌的位置，然後提取出交通標誌圖像，再從交通標誌圖像中識別出交通標誌。然而，採集的圖像具有一定的局限性，例如容易受到光照、拍攝角度以及交通標誌的尺寸和形變等因素的影響，導致最後的識別結果容易出錯。
鑒於此，本申請提供一種交通標誌識別方法及相關設備，旨在解決如何提高交通標誌識別準確率的問題。
本申請第一方面提供一種交通標誌識別方法，方法包括：獲取交通標誌的初始圖像；對初始圖像進行圖像增強處理，得到增強圖像；將初始圖像和增強圖像合併轉換成圖像資料矩陣；從圖像資料矩陣中識別出交通標誌的位置；根據交通標誌的位置對初始圖像和增強圖像進行遮罩處理，得到特定區域初始圖像和特定區域增強圖像；將特定區域初始圖像和特定區域增強圖像合併轉換成特定區域圖像資料矩陣；從特定區域圖像資料矩陣中識別出交通標誌。
採用本實施例的交通標誌識別方法，將初始圖像和增強圖像合併轉換成圖像資料矩陣，再從圖像資料矩陣中識別出交通標誌的位置，由於圖像增強處理能夠增強交通標誌的輪廓，使得交通標誌在背景中更加明顯，從而能夠提高交通標誌位置識別的準確率。根據交通標誌的位置對初始圖像和增強圖像進行遮罩處理，能夠減少初始圖像和增強圖像的背景干擾。將特定區域初始圖像和特定區域增強圖像合併轉換成特定區域圖像資料矩陣，再從特定區域圖像資料矩陣中識別出交通標誌，由於特定區域增強圖像中交通標誌的輪廓更加明顯，因此能夠減少因光照導致交通標誌的輪廓不明顯的情況，從而能夠提高交通標誌識別的準確率。
本申請第二方面提供一種電子設備，電子設備包括處理器和記憶體，處理器運行存儲於記憶體中的電腦程式或代碼，實現本申請實施例的交通標誌識別方法。
本申請第三方面提供一種電腦可讀存儲介質，電腦可讀存儲介質用於存儲電腦程式或代碼，當電腦程式或代碼被處理器執行時，實現本申請實施例的交通標誌識別方法。
可以理解，本申請第二方面提供的電子設備、本申請第三方面提供的電腦可讀存儲介質的具體實施方式和有益效果均與本申請第一方面提供的交通標誌識別方法的具體實施方式和有益效果大致相同，此處不再贅述。
需要說明的是，本申請實施例中“至少一個”是指一個或者複數，“複數”是指兩個或多於兩個。“和/或”，描述關聯物件的關聯關係，表示可以存在三種關係，例如，A和/或B可以表示：單獨存在A，同時存在A和B，單獨存在B的情況，其中A，B可以是單數或者複數。本申請的說明書和發明申請專利範圍及附圖中的術語“第一”、“第二”、“第三”、“第四”等（如果存在）是用於區別類似的物件，而不是用於描述特定的順序或先後次序。
另外需要說明的是，本申請實施例中公開的方法或流程圖所示出的方法，包括用於實現方法的一個或複數步驟，在不脫離請求項的範圍的情況下，複數步驟的執行順序可以彼此互換，其中某些步驟也可以被刪除。
道路交通標誌識別廣泛應用於車輛的高級駕駛輔助系統（Advanced Driving Assistant System，ADAS）。道路交通標誌識別主要是通過車載攝像頭獲取圖像，對圖像進行視覺演算法處理，識別交通標誌。目前識別交通標誌的視覺演算法，通常是由人工設計特徵，經由特徵比對從採集的圖像中識別出交通標誌的位置，然後提取出交通標誌圖像，再從交通標誌圖像中識別出交通標誌。然而，採集的圖像具有一定的局限性，例如容易受到光照、拍攝角度以及交通標誌的尺寸和形變等因素的影響，導致最後的識別結果容易出錯。
基於此，本申請實施例提供一種交通標誌識別方法及相關設備，對初始圖像進行圖像增強處理，然後將初始圖像和增強圖像合併轉換成圖像資料矩陣，再從圖像資料矩陣中識別出交通標誌的位置，由於圖像增強處理能夠增強交通標誌的輪廓，使得交通標誌在背景中更加明顯，從而能夠提高交通標誌位置識別的準確率。根據交通標誌的位置對初始圖像和增強圖像進行遮罩處理，能夠減少初始圖像和增強圖像的背景干擾。將特定區域初始圖像和特定區域增強圖像合併轉換成特定區域圖像資料矩陣，再從特定區域圖像資料矩陣中識別出交通標誌，由於特定區域增強圖像中交通標誌的輪廓更加明顯，因此能夠減少因光照導致交通標誌的輪廓不明顯的情況，從而能夠提高交通標誌識別的準確率。
下面對本申請實施例的電子設備進行說明。
圖1是本申請一種實施例提供的電子設備的結構示意圖。
可參閱圖1，電子設備100可以包括處理器110和記憶體120。其中，處理器110可以運行存儲於記憶體120中的電腦程式或代碼，實現本申請實施例的交通標誌識別方法。
在本實施例中，處理器110可以被配置執行如下操作：獲取交通標誌的初始圖像；對初始圖像進行圖像增強處理，得到增強圖像；將初始圖像和增強圖像合併轉換成圖像資料矩陣；從圖像資料矩陣中識別出交通標誌的位置；根據交通標誌的位置對初始圖像和增強圖像進行遮罩處理，得到特定區域初始圖像和特定區域增強圖像；將特定區域初始圖像和特定區域增強圖像合併轉換成特定區域圖像資料矩陣；從特定區域圖像資料矩陣中識別出交通標誌。
處理器110可以包括一個或複數處理單元。例如，處理器110可以包括，但不限於應用處理器（Application Processor，AP）、調製解調處理器、圖形處理器（Graphics Processing Unit，GPU）、圖像信號處理器（Image Signal Processor，ISP）、控制器、視頻轉碼器、數位訊號處理器（Digital Signal Processor，DSP）、基頻處理器（Baseband Processor，BP）、神經網路處理器（Neural-Network Processing Unit，NPU）等。其中，不同的處理單元可以是獨立的元件，也可以集成在一個或複數處理器中。
處理器110中還可以設置記憶體，用於存儲指令和資料。在一些實施例中，處理器110中的記憶體為高速緩衝記憶體。該記憶體可以保存處理器110剛用過或迴圈使用的指令或資料。如果處理器110需要再次使用該指令或資料，可從記憶體中直接調用。
在一些實施例中，處理器110可以包括一個或複數介面。介面可以包括，但不限於積體電路（Inter-Integrated Circuit，I2C）介面、積體電路內置音訊（Inter-Integrated Circuit Sound，I2S）介面、脈衝編碼調變（Pulse Code Modulation，PCM）介面、通用非同步收發傳輸器（Universal Asynchronous Receiver/Transmitter，UART）介面、行動產業處理器介面（Mobile Industry Processor Interface，MIPI）、通用輸入輸出（General-Purpose Input/Output，GPIO）介面、使用者標識模組（Subscriber Identity Module，SIM）介面、通用序列匯流排（Universal Serial Bus，USB）介面等。
可以理解，本申請實施例示意的各模組間的介面連接關係，只是示意性說明，並不構成對電子設備100的結構限定。在另一些實施例中，電子設備100也可以採用上述實施例中不同的介面連接方式，或多種介面連接方式的組合。
記憶體120可以包括外部記憶體介面和內部記憶體。其中，外部記憶體介面可以用於連接外部存儲卡，例如Micro SD卡，實現擴展電子設備100的存儲能力。外部存儲卡通過外部記憶體介面與處理器110通信，實現資料存儲功能。內部記憶體可以用於存儲電腦可執行程式碼，可執行程式碼包括指令。內部記憶體可以包括存儲程式區和存儲資料區。其中，存儲程式區可存儲作業系統，至少一個功能所需的應用程式（例如聲音播放功能，圖像播放功能等）等。存儲資料區可存儲電子設備100使用過程中所創建的資料（例如音訊資料，圖像資料等）等。此外，內部記憶體可以包括高速隨機存取記憶體，還可以包括非易失性記憶體，例如至少一個磁碟記憶體、快閃記憶體或通用快閃記憶體（Universal Flash Storage，UFS）等。處理器110通過運行存儲在內部記憶體的指令，和/或存儲在設置於處理器110中的記憶體的指令，執行電子設備100的各種功能應用以及資料處理，例如實現本申請實施例的交通標誌識別方法。
可以理解，本申請實施例示意的結構並不構成對電子設備100的具體限定。在另一些實施例中，電子設備100可以包括比圖示更多或更少的部件，或者組合某些部件，或者拆分某些部件，或者不同的部件佈置。圖示的部件可以以硬體，軟體或軟體和硬體的組合實現。
電子設備100可以是車載終端或移動終端。車載終端集成在車輛上，與車載攝像頭通信連接。移動終端未與車輛集成，移動終端可以是智慧手機、平板電腦或個人數位助理（Personal Digital Assistant，PDA）等。
下面以電子設備100為例對本申請實施例的交通標誌識別方法進行說明。
圖2是本申請一種實施例提供的交通標誌識別方法的流程圖。
可參閱圖2，交通標誌識別方法可以包括如下步驟：
步驟S201，獲取交通標誌的初始圖像。
在本實施例中，電子設備100與車載攝像頭通信連接。電子設備100可以通過調用車載攝像頭來拍攝車輛前方特定距離範圍的交通標誌的初始圖像，再從車載攝像頭接收交通標誌的初始圖像。其中，特定距離範圍是車載攝像頭的拍攝視野範圍。
在一種實施例中，電子設備100包括攝像頭。電子設備100可以通過自身的攝像頭來拍攝車輛前方特定距離範圍的交通標誌的初始圖像。其中，特定距離範圍是攝像頭的拍攝視野範圍。
在另一種實施例中，電子設備100接入車聯網（Internet of Vehicle，IoV）。電子設備100可以從車聯網中其他車輛接收特定區域的交通標誌的初始圖像。其中，特定區域是其他車輛的車載攝像頭的拍攝視野範圍。
步驟S202，對初始圖像進行圖像增強處理，得到增強圖像。
在本實施例中，圖像增強處理是對初始圖像中退化的某些圖像特徵，例如邊緣、輪廓、對比度等進行處理。
可以理解，初始圖像容易受到光照、拍攝角度以及交通標誌的尺寸和形變等因素的影響，導致某些圖像特徵發生退化。經圖像增強處理得到的增強圖像，相對於初始圖像，具有更好的視覺效果和更高的清晰度。
步驟S203，將初始圖像和增強圖像合併轉換成圖像資料矩陣。
在本實施例中，電子設備100對初始圖像和增強圖像進行矩陣變換，將初始圖像的圖像資料和增強圖像的圖像資料合併轉換成一個圖像資料矩陣。其中，圖像資料包括圖像的尺寸和通道資料。圖像的尺寸包括長度和寬度，長度和寬度均以圖元點的數目來衡量。通道資料包括每個圖元點在各個通道的圖元值，例如RGB彩色圖像的通道資料包括每個圖元點在R、G、B三通道的圖元值，灰度圖像的通道資料包括每個圖元點的單通道的圖元值。
舉例而言，圖像資料矩陣可以為：
其中， 表示初始圖像中第n行第m列圖元點的通道資料， 分別表示初始圖像中第n行第m列圖元點在R、G、B三通道的圖元值。初始圖像和增強圖像的尺寸相同，均為n*m，n、m均為大於1的整數。 表示增強圖像中第1行第1列圖元點的通道資料， 分別表示增強圖像中第1行第1列圖元點在R、G、B三通道的圖元值。 表示增強圖像中第n行第m列圖元點的通道資料， 分別表示增強圖像中第n行第m列圖元點在R、G、B三通道的圖元值。
步驟S204，從圖像資料矩陣中識別出交通標誌的位置。
在本實施例中，電子設備100可以存儲標準圖像中交通標誌的參考位置特徵，參考位置特徵包括交通標誌的輪廓上圖元點的集合。電子設備100在建立圖像資料矩陣之後，可以輪詢圖像資料矩陣中各個圖元點，查詢圖像資料矩陣中是否存在參考位置特徵。當查詢到圖像資料矩陣中存在參考位置特徵時，電子設備100可以從圖像資料矩陣中提取參考位置特徵，從而確定交通標誌的位置。當查詢到圖像資料矩陣中不存在參考位置特徵時，電子設備100判定識別失敗，再重新獲取交通標誌的初始圖像和增強圖像，並重新建立圖像資料矩陣，再次進行交通標誌的位置識別，直至識別成功。
可以理解，圖像資料矩陣包含初始圖像的圖像資料和增強圖像的圖像資料。當初始圖像的某些圖像特徵發生退化，導致從初始圖像的圖像資料中難以識別出交通標誌的位置時，電子設備100可以從增強圖像中提取相同位置處的圖像資料，由於增強圖像中交通標誌的輪廓更加明顯，從而能夠有效識別出交通標誌的位置。
舉例而言，假設在上述圖像資料矩陣中圖元點 為交通標誌的輪廓上其中一個圖元點，當圖元點 處的圖元值缺失時，電子設備100可以提取圖元點 處的圖元值，圖元點 經圖像增強處理，其圖元值具有更高的準確率。
步驟S205，根據交通標誌的位置對初始圖像和增強圖像進行遮罩處理，得到特定區域初始圖像和特定區域增強圖像。
在本實施例中，電子設備100對初始圖像和增強圖像進行遮罩處理，可以減少初始圖像和增強圖像中的背景干擾，保留交通標誌位置附近的特定區域初始圖像和特定區域增強圖像。其中，特定區域初始圖像和特定區域增強圖像是初始圖像和增強圖像中交通標誌位置附近的局部圖像。
可以理解，特定區域初始圖像和特定區域增強圖像的尺寸相同。
步驟S206，將特定區域初始圖像和特定區域增強圖像合併轉換成特定區域圖像資料矩陣。
在本實施例中，電子設備100對特定區域初始圖像和特定區域增強圖像進行矩陣變換，將特定區域初始圖像的圖像資料和特定區域增強圖像的圖像資料合併轉換成一個特定區域圖像資料矩陣。
可以理解，特定區域圖像資料矩陣是步驟S203中圖像資料矩陣的子矩陣。
步驟S207，從特定區域圖像資料矩陣中識別出交通標誌。
在本實施例中，電子設備100可以存儲標準圖像中交通標誌的參考特徵，參考特徵包括交通標誌上圖元點的集合。電子設備100在建立特定區域圖像資料矩陣之後，可以輪詢特定區域圖像資料矩陣中各個圖元點，查詢特定區域圖像資料矩陣中是否存在參考特徵。當查詢到特定區域圖像資料矩陣中存在參考特徵時，電子設備100可以從特定區域圖像資料矩陣中提取參考特徵，從而確定交通標誌。當查詢到特定區域圖像資料矩陣中不存在參考特徵時，電子設備100判定識別失敗，再重新對初始圖像和增強圖像進行遮罩處理，並重新建立特定區域圖像資料矩陣，再次進行交通標誌的識別，直至識別成功。
可以理解，特定區域圖像資料矩陣包含特定區域初始圖像的圖像資料和特定區域增強圖像的圖像資料。當特定區域初始圖像的某些圖像特徵發生退化，導致從特定區域初始圖像的圖像資料中難以識別出交通標誌時，電子設備100可以從特定區域增強圖像中提取相同位置處的圖像資料，由於特定區域增強圖像中交通標誌的輪廓更加明顯，從而能夠有效識別出交通標誌。
在本實施例中，電子設備100對初始圖像進行圖像增強處理，然後將初始圖像和增強圖像合併轉換成圖像資料矩陣，再從圖像資料矩陣中識別出交通標誌的位置，由於圖像增強處理能夠增強交通標誌的輪廓，使得交通標誌在背景中更加明顯，從而能夠提高交通標誌位置識別的準確率。根據交通標誌的位置對初始圖像和增強圖像進行遮罩處理，能夠減少初始圖像和增強圖像的背景干擾。將特定區域初始圖像和特定區域增強圖像合併轉換成特定區域圖像資料矩陣，再從特定區域圖像資料矩陣中識別出交通標誌，由於特定區域增強圖像中交通標誌的輪廓更加明顯，因此能夠減少因光照導致交通標誌的輪廓不明顯的情況，從而能夠提高交通標誌識別的準確率。
在一些實施例中，增強圖像包括灰度增強圖像和/或彩色增強圖像。
在其中一種實施例中，圖像增強處理包括：將初始圖像轉換成灰度圖像；對灰度圖像進行長條圖均值化處理，得到灰度增強圖像。
在另一種實施例中，圖像增強處理包括：對初始圖像進行長條圖均值化處理，得到彩色增強圖像。
可以理解，增強圖像的類型可以包括一種或多種，例如包括灰度增強圖像和彩色增強圖像的至少一種。灰度增強圖像和彩色增強圖像中交通標誌的輪廓更加明顯，從而能夠提高交通標誌位置識別的準確率。
在另一些實施例中，在從圖像資料矩陣中識別出交通標誌的位置之前，交通標誌識別方法還包括：將圖像資料矩陣輸入預訓練的交通標誌分割網路。
可以理解，交通標誌分割網路用於從圖像資料矩陣中識別出交通標誌的位置。交通標誌分割網路可以包括，但不限於SegNet、U-Net、全卷積網路（Fully Convolution Network，FCN）等。
在其中一種實施例中，在將圖像資料矩陣輸入預訓練的交通標誌分割網路之前，交通標誌識別方法還包括訓練交通標誌分割網路。訓練交通標誌分割網路可以包括如下步驟：獲取交通標誌的初始圖像訓練樣本集，初始圖像訓練樣本集為標注交通標誌的位置的初始圖像集合；對初始圖像訓練樣本集中每張初始圖像進行圖像增強處理，得到對應的增強圖像；將每張初始圖像和對應的增強圖像合併轉換成圖像資料矩陣；將圖像資料矩陣輸入待訓練的交通標誌分割網路；以預設迴圈次數訓練交通標誌分割網路；獲取訓練完成的交通標誌分割網路的網路權重，得到預訓練的交通標誌分割網路。
在本實施例中，每次訓練交通標誌分割網路是從初始圖像訓練樣本集中選取一張初始圖像，對初始圖像進行圖像增強處理，得到對應的增強圖像，再將初始圖像和對應的增強圖像合併轉換成圖像資料矩陣，然後將圖像資料矩陣輸入待訓練的交通標誌分割網路。當電子設備100執行完預設迴圈次數，或者損失函數達到最小之時或之後，可以結束訓練，將訓練完成的交通標誌分割網路的網路權重作為預訓練的交通標誌分割網路的網路權重。
可以理解，初始圖像訓練樣本集中初始圖像的數目大於或等於預設迴圈次數，預設迴圈次數可依需而設。例如，初始圖像訓練樣本集中初始圖像的數目為5000，預設迴圈次數為500。
在另一些實施例中，在從特定區域圖像資料矩陣中識別出交通標誌之前，交通標誌識別方法還包括：將特定區域圖像資料矩陣輸入預訓練的交通標誌檢測網路。
可以理解，交通標誌檢測網路用於從特定區域圖像資料矩陣中識別出交通標誌。交通標誌檢測網路可以為tinyYolo網路。
在其中一種實施例中，在將特定區域圖像資料矩陣輸入預訓練的交通標誌檢測網路之前，交通標誌識別方法還包括訓練交通標誌檢測網路。訓練交通標誌檢測網路可以包括如下步驟：獲取交通標誌的特定區域初始圖像訓練樣本集，特定區域初始圖像訓練樣本集為標注交通標誌的位置和類別的特定區域初始圖像集合；對特定區域初始圖像訓練樣本集中每張特定區域初始圖像進行圖像增強處理，得到對應的特定區域增強圖像；將每張特定區域初始圖像和對應的特定區域增強圖像合併轉換成特定區域圖像資料矩陣；將特定區域圖像資料矩陣輸入待訓練的交通標誌檢測網路；以預設迴圈次數訓練交通標誌檢測網路；獲取訓練完成的交通標誌檢測網路的網路權重，得到預訓練的交通標誌檢測網路。
在本實施例中，每次訓練交通標誌檢測網路是從特定區域初始圖像訓練樣本集中選取一張特定區域初始圖像，對特定區域初始圖像進行圖像增強處理，得到對應的特定區域增強圖像，再將特定區域初始圖像和對應的特定區域增強圖像合併轉換成特定區域圖像資料矩陣，然後將特定區域圖像資料矩陣輸入待訓練的交通標誌檢測網路。當電子設備100執行完預設迴圈次數，或者損失函數達到最小之時或之後，可以結束訓練，將訓練完成的交通標誌檢測網路的網路權重作為預訓練的交通標誌檢測網路的網路權重。
可以理解，特定區域初始圖像訓練樣本集中特定區域初始圖像的數目大於或等於預設迴圈次數，預設迴圈次數可依需而設。例如，特定區域初始圖像訓練樣本集中特定區域初始圖像的數目為3000，預設迴圈次數為500。
下面以逆光場景識別交通限速標誌為例對本申請實施例的交通標誌識別方法進行說明。
可參閱圖3，圖3是本申請一種實施例提供的逆光場景的初始圖像。電子設備100獲取交通限速標誌的初始圖像。如圖3所示，初始圖像受光照影響，其中交通限速標誌的輪廓在背景中比較模糊。
可參閱圖4和圖5，圖4是本申請一種實施例提供的逆光場景的灰度增強圖像，圖5是本申請一種實施例提供的逆光場景的彩色增強圖像。電子設備100對初始圖像進行圖像增強處理，得到灰度增強圖像和彩色增強圖像。如圖4和圖5所示，灰度增強圖像和彩色增強圖像中交通限速標誌的輪廓在背景中更加明顯。
可參閱圖6至圖9，圖6是本申請一種實施例提供的遮罩示意圖，圖7是本申請一種實施例提供的特定區域初始圖像，圖8是本申請一種實施例提供的特定區域灰度增強圖像，圖9是本申請一種實施例提供的特定區域彩色增強圖像。電子設備100將初始圖像、灰度增強圖像以及彩色增強圖像合併轉換成圖像資料矩陣，再從圖像資料矩陣中識別出交通限速標誌的位置，然後根據交通限速標誌的位置對初始圖像、灰度增強圖像以及彩色增強圖像進行遮罩處理，得到特定區域初始圖像、特定區域灰度增強圖像以及特定區域彩色增強圖像。如圖7至圖9所示，特定區域初始圖像、特定區域灰度增強圖像以及特定區域彩色增強圖像經過遮罩處理，都已過濾背景干擾，保留交通限速標誌附近的區域。其中，特定區域灰度增強圖像和特定區域彩色增強圖像中交通限速標誌的輪廓更加明顯。隨後，電子設備100將特定區域初始圖像、特定區域灰度增強圖像以及特定區域彩色增強圖像合併轉換成特定區域圖像資料矩陣，再從特定區域圖像資料矩陣中識別出交通限速標誌。電子設備100可以識別交通限速標誌中各個位置的數值，例如十位數位置和個位數位置，然後確定限速數值為60。
本申請實施例還提供一種電腦可讀存儲介質，用於存儲電腦程式或代碼，當電腦程式或代碼被處理器執行時，實現本申請實施例的交通標誌識別方法。
電腦可讀存儲介質包括在用於存儲資訊（諸如電腦可讀指令、資料結構、程式模組或其它資料）的任何方法或技術中實施的易失性和非易失性、可移除和不可移除介質。電腦可讀存儲介質包括，但不限於隨機存取記憶體（Random Access Memory，RAM）、唯讀記憶體（Read-Only Memory，ROM）、帶電可擦可程式設計唯讀記憶體（Electrically Erasable Programmable Read-Only Memory，EEPROM）、快閃記憶體或其它記憶體、唯讀光碟（Compact Disc Read-Only Memory，CD-ROM）、數位通用光碟（Digital Versatile Disc，DVD）或其它光碟存儲、磁盒、磁帶、磁片存儲或其它磁存儲裝置、或者可以用於存儲期望的資訊並且可以被電腦訪問的任何其它的介質。
上面結合附圖對本申請實施例作了詳細說明，但是本申請不限於上述實施例，在所屬技術領域具通常技藝者所具備的知識範圍內，還可以在不脫離本申請宗旨的前提下做出各種變化。
100:電子設備
110:處理器
120:記憶體
S201-S207:步驟
圖1是本申請一種實施例提供的電子設備的結構示意圖。
圖2是本申請一種實施例提供的交通標誌識別方法的流程圖。
圖3是本申請一種實施例提供的逆光場景的初始圖像。
圖4是本申請一種實施例提供的逆光場景的灰度增強圖像。
圖5是本申請一種實施例提供的逆光場景的彩色增強圖像。
圖6是本申請一種實施例提供的遮罩示意圖。
圖7是本申請一種實施例提供的特定區域初始圖像。
圖8是本申請一種實施例提供的特定區域灰度增強圖像。
圖9是本申請一種實施例提供的特定區域彩色增強圖像。
S201-S207:步驟
Claims (10)
- 一種交通標誌識別方法，包括： 獲取交通標誌的初始圖像； 對所述初始圖像進行圖像增強處理，得到增強圖像； 將所述初始圖像和所述增強圖像合併轉換成圖像資料矩陣； 從所述圖像資料矩陣中識別出所述交通標誌的位置； 根據所述交通標誌的位置對所述初始圖像和所述增強圖像進行遮罩處理，得到特定區域初始圖像和特定區域增強圖像； 將所述特定區域初始圖像和所述特定區域增強圖像合併轉換成特定區域圖像資料矩陣； 從所述特定區域圖像資料矩陣中識別出所述交通標誌。
- 如請求項1所述之交通標誌識別方法，其中，所述增強圖像包括灰度增強圖像和/或彩色增強圖像。
- 如請求項2所述之交通標誌識別方法，其中，所述對所述初始圖像進行圖像增強處理，得到增強圖像，包括： 將所述初始圖像轉換成灰度圖像； 對所述灰度圖像進行長條圖均值化處理，得到所述灰度增強圖像。
- 如請求項2所述之交通標誌識別方法，其中，所述對所述初始圖像進行圖像增強處理，得到增強圖像，包括： 對所述初始圖像進行長條圖均值化處理，得到所述彩色增強圖像。
- 如請求項1所述之交通標誌識別方法，其中，在從所述圖像資料矩陣中識別出所述交通標誌的位置之前，所述方法還包括： 將所述圖像資料矩陣輸入預訓練的交通標誌分割網路。
- 如請求項5所述之交通標誌識別方法，其中，在將所述圖像資料矩陣輸入預訓練的交通標誌分割網路之前，所述方法還包括： 獲取所述交通標誌的初始圖像訓練樣本集，所述初始圖像訓練樣本集為標注所述交通標誌的位置的初始圖像集合； 對所述初始圖像訓練樣本集中每張初始圖像進行圖像增強處理，得到對應的增強圖像； 將所述每張初始圖像和對應的所述增強圖像合併轉換成圖像資料矩陣； 將所述圖像資料矩陣輸入待訓練的交通標誌分割網路； 以預設迴圈次數訓練所述交通標誌分割網路； 獲取訓練完成的交通標誌分割網路的網路權重，得到所述預訓練的交通標誌分割網路。
- 如請求項1所述之交通標誌識別方法，其中，在從所述特定區域圖像資料矩陣中識別出所述交通標誌之前，所述方法還包括： 將所述特定區域圖像資料矩陣輸入預訓練的交通標誌檢測網路。
- 如請求項7所述之交通標誌識別方法，其中，在將所述特定區域圖像資料矩陣輸入預訓練的交通標誌檢測網路之前，所述方法還包括： 獲取所述交通標誌的特定區域初始圖像訓練樣本集，所述特定區域初始圖像訓練樣本集為標注所述交通標誌的位置和類別的特定區域初始圖像集合； 對所述特定區域初始圖像訓練樣本集中每張特定區域初始圖像進行圖像增強處理，得到對應的特定區域增強圖像； 將所述每張特定區域初始圖像和對應的所述特定區域增強圖像合併轉換成特定區域圖像資料矩陣； 將所述特定區域圖像資料矩陣輸入待訓練的交通標誌檢測網路； 以預設迴圈次數訓練所述交通標誌檢測網路； 獲取訓練完成的交通標誌檢測網路的網路權重，得到所述預訓練的交通標誌檢測網路。
- 一種電子設備，包括處理器和記憶體，所述處理器可以運行存儲於所述記憶體中之電腦程式或代碼，實現如請求項1至8中任一項所述之交通標誌識別方法。
- 一種電腦可讀存儲介質，用於存儲電腦程式或代碼，當所述電腦程式或代碼被處理器執行時，實現如請求項1至8中任一項所述的交通標誌識別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112109230A TWI831643B (zh) | 2023-03-13 | 2023-03-13 | 交通標誌識別方法及相關設備 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112109230A TWI831643B (zh) | 2023-03-13 | 2023-03-13 | 交通標誌識別方法及相關設備 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TWI831643B true TWI831643B (zh) | 2024-02-01 |
Family
ID=90824597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW112109230A TWI831643B (zh) | 2023-03-13 | 2023-03-13 | 交通標誌識別方法及相關設備 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI831643B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130208016A1 (en) * | 2012-02-14 | 2013-08-15 | Samsung Mobile Display Co., Ltd. | Display apparatus and driving method thereof |
| CN108663677A (zh) * | 2018-03-29 | 2018-10-16 | 上海智瞳通科技有限公司 | 一种多传感器深度融合提高目标检测能力的方法 |
| CN109034024A (zh) * | 2018-07-16 | 2018-12-18 | 浙江工业大学 | 基于图像目标检测的物流车辆车型分类识别方法 |
| US20190179870A1 (en) * | 2017-12-12 | 2019-06-13 | Tesla, Inc. | Systems and methods for converting a matrix input to a vectorized input for a matrix processor |
| CN110378848A (zh) * | 2019-07-08 | 2019-10-25 | 中南大学 | 一种基于衍生图融合策略的图像去雾方法 |
| US20200050855A1 (en) * | 2018-08-08 | 2020-02-13 | ARmedia, LLC | System and method for operation in an augmented reality display device |
-
2023
- 2023-03-13 TW TW112109230A patent/TWI831643B/zh active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130208016A1 (en) * | 2012-02-14 | 2013-08-15 | Samsung Mobile Display Co., Ltd. | Display apparatus and driving method thereof |
| US20190179870A1 (en) * | 2017-12-12 | 2019-06-13 | Tesla, Inc. | Systems and methods for converting a matrix input to a vectorized input for a matrix processor |
| CN108663677A (zh) * | 2018-03-29 | 2018-10-16 | 上海智瞳通科技有限公司 | 一种多传感器深度融合提高目标检测能力的方法 |
| CN109034024A (zh) * | 2018-07-16 | 2018-12-18 | 浙江工业大学 | 基于图像目标检测的物流车辆车型分类识别方法 |
| US20200050855A1 (en) * | 2018-08-08 | 2020-02-13 | ARmedia, LLC | System and method for operation in an augmented reality display device |
| CN110378848A (zh) * | 2019-07-08 | 2019-10-25 | 中南大学 | 一种基于衍生图融合策略的图像去雾方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3564854B1 (en) | Facial expression recognition method, apparatus, electronic device, and storage medium | |
| TWI726422B (zh) | 二維碼識別方法、裝置及設備 | |
| WO2018036293A1 (zh) | 图像分割方法、装置及全卷积网络系统 | |
| CN106971185B (zh) | 一种基于全卷积网络的车牌定位方法及装置 | |
| CN109726678B (zh) | 一种车牌识别的方法及相关装置 | |
| CN106408554A (zh) | 遗留物检测装置、方法和系统 | |
| CN110956081B (zh) | 车辆与交通标线位置关系的识别方法、装置及存储介质 | |
| CN111435446A (zh) | 一种基于LeNet车牌识别方法及装置 | |
| WO2018058530A1 (zh) | 目标检测方法、装置以及图像处理设备 | |
| CN111368587A (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
| CN111127358B (zh) | 图像处理方法、装置及存储介质 | |
| CN111444911A (zh) | 车牌识别模型的训练方法及装置、车牌识别方法及装置 | |
| TWI831643B (zh) | 交通標誌識別方法及相關設備 | |
| CN112241982A (zh) | 一种图像处理方法、装置及机器可读存储介质 | |
| CN111723805A (zh) | 一种信号灯的前景区域识别方法及相关装置 | |
| CN116229406B (zh) | 车道线检测方法、系统、电子设备及存储介质 | |
| CN110969640A (zh) | 视频图像的分割方法、终端设备以及计算机可读存储介质 | |
| CN113343873A (zh) | 信号灯识别方法、装置、设备、介质及产品 | |
| TWI734186B (zh) | 訓練影像產生方法與電子裝置 | |
| CN110210425B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
| CN112235598A (zh) | 一种视频结构化处理方法、装置及终端设备 | |
| CN114267076B (zh) | 一种图像识别方法、装置、设备及存储介质 | |
| CN113112531B (zh) | 一种图像匹配方法及装置 | |
| CN115546105A (zh) | 一种轮胎花纹检测方法、装置、可读存储介质及终端设备 | |
| WO2021164329A1 (zh) | 图像处理方法、装置、通信设备及可读存储介质 |