[发明专利]交通标志识别方法和装置

权利要求书

1.一种用于交通标志识别的方法，所述方法包括：

从相机获取图像数据；

利用深度学习技术来检测所述图像数据的当前帧的感兴趣区域以获得初始交通标志检测结果；

对所述初始交通标志检测结果进行追踪，以获得最终交通标志检测结果；

根据所述最终交通标志检测结果，预测下一帧的感兴趣区域。

2.根据权利要求1所述的方法，其中，利用深度学习技术来检测所述图像数据的当前帧的感兴趣区域以获得初始交通标志检测结果，包括：

使用新型快速RCNN模型对所述图像数据中的交通标志进行检测；

根据所述新型快速RCNN模型给出的置信度对所述检测结果进行过滤以获得高置信度结果和低置信度结果。

3.根据权利要求1所述的方法，其中，对所述初始交通标志检测结果进行追踪，以获得最终交通标志检测结果包括：

将上一帧检测结果与当前帧的所述高置信度结果进行匹配；

如果所述上一帧检测结果与当前帧的所述高置信度结果匹配，则检测到所述交通标志；

如果所述上一帧检测结果与当前帧的所述高置信度结果不匹配，则将所述上一帧检测结果与当前帧的所述低置信度结果进行匹配；

如果所述上一帧检测结果与当前帧的所述低置信度结果匹配，则检测到所述交通标志。

4.根据权利要求1所述的方法，其中，预测下一帧的感兴趣区域包括：

对所述最终交通标志检测结果的检测框进行扩展，以获得感兴趣区域。

5.根据权利要求2所述的方法，其中，当所述新型快速RCNN模型给出的所述置信度大于0.7时，认为是高置信度检测结果，当所述新型快速RCNN模型给出的所述置信度小于0.7但大于0.5时，认为是低置信度检测结果。

6.根据权利要求2所述的方法，其中，通过以下至少之一改进，在Faster RCCN基础上实现新型快速RCNN模型：

改善基础网络；

改进RPN(区域建议网络)的锚点选取；

使用RoI-Align来替代RoI-Pooling；

使用难样本进行在线挖掘。

7.根据权利要求6所述的方法，其中，所述基础网络是基于inception和resnet网络的组合，用于提升所述基础网络获得的特征图与原图的比例并扩大基础网络获得的特征图，其中所述新型快速RCNN模型的conv3层的stride为1。

8.根据权利要求7所述的方法，其中，改进所述RPN中的锚点的选取，以将所述锚点的宽高比设置为1：1。

9.一种用于交通标志识别的装置，用于执行权利要求1至8中任一项的方法。

10.一种用于交通标志识别的计算机可读存储介质，所述计算机可读存储介质上存储有至少一个可执行的计算机程序指令，所述计算机程序指令用于执行权利要求1至8中任一项的方法。