[发明专利]交通标志检测识别系统及方法在审
申请号: | 201911338404.0 | 申请日: | 2019-12-23 |
公开(公告)号: | CN110826544A | 公开(公告)日: | 2020-02-21 |
发明(设计)人: | 罗小平;周仁;曾峰;蔡军 | 申请(专利权)人: | 深圳市豪恩汽车电子装备股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 深圳市翼智博知识产权事务所(普通合伙) 44320 | 代理人: | 黄莉 |
地址: | 518110 广东省深圳市龙华区大浪街道同胜社区工业*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 交通标志 检测 识别 系统 方法 | ||
1.一种交通标志检测识别系统,其特征在于,所述系统包括:
视频采集模块,用于采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧;
检测模块,连接所述视频采集模块,用于根据预先建立的交通标志检测模型对所述图像帧进行检测,从中确定和获取交通标志所在区域并对应生成待识别交通标志图案;
分类模块,连接所述检测模块,用于根据预先建立的交通标志分类模型对所述待识别交通标志图案与进行分析判断,确定所述待识别交通标志图案中所包含的交通标志的类别信息并作为识别结果输出。
2.如权利要求1所述的交通标志检测识别系统,其特征在于,所述视频采集模块具体包括:
车速单元,用于获取机动车当前车速;
采集单元,用于将机动车当前车速与预设的车速阈值进行比较,在当前车速大于车速阈值时采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧。
3.如权利要求1所述的交通标志检测识别系统,其特征在于,所述检测模块具体包括:
存储单元,用于存储预先训练好的交通标志检测模型;
图像处理单元,用于调用所述交通标志检测模型对所述图像帧进行检测,确定所述图像帧中交通标志所在区域;
目标定位单元,用于获取所述交通标志所在区域并对应生成待识别交通标志图案。
4.如权利要求1所述的交通标志检测识别系统,其特征在于,所述交通标志检测模型和所述交通标志分类模型均为基于深度学习的卷积神经网络模型。
5.如权利要求1所述的交通标志检测识别系统,其特征在于,所述交通标志检测识别系统还包括:
输出模块,连接所述分类模块,用于展示所述识别结果。
6.一种交通标志检测识别方法,其特征在于,包括以下步骤:
采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧;
根据预先建立的交通标志检测模型对所述图像帧进行检测,从中确定和获取交通标志所在区域并对应生成待识别交通标志图案;
根据预先建立的交通标志分类模型对所述待识别交通标志图案与进行分析判断,确定所述待识别交通标志图案中所包含的交通标志的类别信息并作为识别结果输出。
7.如权利要求6所述交通标志检测识别方法,其特征在于,所述采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧具体包括:
获取机动车当前车速;
将机动车当前车速与预设的车速阈值进行比较,在当前车速大于车速阈值时采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧。
8.如权利要求6所述交通标志检测识别方法,其特征在于,所述根据预先建立的交通标志检测模型对所述图像帧进行检测,从中确定和获取交通标志所在区域并对应生成待识别交通标志图案具体包括:
存储预先训练好的交通标志检测模型;
调用所述交通标志检测模型对所述图像帧进行检测,确定所述图像帧中交通标志所在区域;
获取所述交通标志所在区域并对应生成待识别交通标志图案。
9.如权利要求6所述交通标志检测识别方法,其特征在于,所述交通标志检测模型和所述交通标志分类模型均为基于深度学习的卷积神经网络模型。
10.如权利要求6所述交通标志检测识别方法,其特征在于,所述方法还包括以下步骤:
展示所述识别结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市豪恩汽车电子装备股份有限公司,未经深圳市豪恩汽车电子装备股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911338404.0/1.html,转载请声明来源钻瓜专利网。