[发明专利]基于机器视觉的交通标志牌缺失检测方法

权利要求书

1.一种基于机器视觉的交通标志牌缺失检测方法，其特征在于，包括以下步骤：

步骤1，利用摄像装置采集待检测路段上的视频；具体为：

所述摄像装置包括摄像头和摄像头控制模块，摄像头控制模块自动调节摄像头焦距和曝光度，并将所拍摄得的视频进行传输与存储；所述摄像装置装载于载运工具上，沿待测路段行进，将拍摄得到的待测路段画面传送给后台数据解析模块，后台数据解析模块包括识别模块及定位装置；

步骤2，利用识别模块检测分析视频中存在的交通标志牌，并在检测到交通标志牌的同时通过定位装置确定当前地理位置；具体为：

识别模块对摄像装置传回的视频进行检测分析，将待检测的视频分解成若干帧图像，利用预先训练好的改进的YOLO神经网络结构模型提取图像特征，检测出视频中的交通标志牌，并分析得到交通标志牌的类型及含义，同时触发所述定位装置，获得当前所处位置的地理坐标，最后将所述类型、含义及地理坐标存入数据库；交通标志牌类型包括广告标志、禁令标志、警告标志、指路标志及指示标志，交通标志牌含义是指交通标志牌所传递的引导、限制、警告或指示信息；所述改进的YOLO神经网络结构模型具体为：

删除YOLO预测层中52*52*255的大尺度预测层，同时，对13*13*255的小尺度预测层进行上采样，与26*26*255的中尺度预测层进行累加融合，重组成新的26*26*255的预测层，然后以13*13*255的小尺度预测层和重组后26*26*255的中尺度预测层分别预测不同尺度的目标，从而完成对所有目标的预测；其中，预测层是指原始YOLOv3神经网络结构中的输出层；

步骤3，在此后相同路段的每次巡查过程中，再次执行步骤1和步骤2获得所有交通标志牌的数据信息，与首次得到的数据信息做比对，检测交通标志牌的缺失情况；具体为：

在此后相同路段的每次巡查过程中，再次执行步骤1和步骤2获得该路段上所有交通标志牌的数据信息，所述数据信息包含交通标志牌的类型、含义及地理坐标，然后将本次巡查所获得的数据信息与首次巡查得到的数据信息进行比对，若首次巡查中存在本次巡查中无法匹配成功的交通标志牌数据信息，则判断该标志牌存在缺失的情况；匹配成功是指交通标志牌的类型、含义相同，且经度、纬度均相差在设定阈值范围内。

2.根据权利要求1所述的基于机器视觉的交通标志牌缺失检测方法，其特征在于，匹配成功是指交通标志牌的类型、含义相同，且经度、纬度均相差0.5以内。