[发明专利]基于深度学习的信号灯检测方法

权利要求书

1.一种基于深度学习的信号灯检测方法，包括建立模型、建立训练样本集、信号灯检测、检测结果校验，其特征在于，所述模型为包含了5个线性融合层，每个线性融合层分别位于VGG16中池化层与位于池化层前一层的卷积层之间，每个线性融合层的输入为，上一层卷积层的输出和上一池化层的输出，其中第一个线性融合层的输入为上一层卷积层的输出的模型的输入，线性融合时两个输入的融合比例为1：1。

2.如权利要求1所述一种基于深度学习的信号灯检测方法，其特征在于，训练样本集包括全时段红、黄、绿三种颜色信号灯的真实照片，信号灯的形状包括数字灯、箭头灯、圆形灯、条带灯。

3.如权利要求1所述一种基于深度学习的信号灯检测方法，其特征在于，模型训练过程中，检测区域通过人工设定，检测区域的高、宽为3W*4H，其中W、H为指定类型信号灯的宽和高。

4.如权利要求1所述一种基于深度学习的信号灯检测方法，其特征在于，检测结果校验包括步骤：

步骤1：计算检测区域内R、G、B三个通道平均值，avg_R，avg_G，avg_B；

步骤2：若检出结果为绿灯，检测区域内avg_R>avg_B，则认为检出错误，过滤此条结果；

若检出结果为红灯或黄灯，检测区域内avg_B>avg_R，则认为检出错误，过滤此条结果；

步骤3：计算检测区域内所有像素点的平均灰度值avg_Y以及送检图像平均灰度值avg_L，若avg_Y<avg_L，则认为检出位置不准确，过滤此条结果。