[发明专利]一种路标识别方法、系统及装置

说明书

本发明提供一种路标识别方法、系统及装置，包括：采集路标在不同环境下的图片，将图片存储至数据集；利用所述数据集创建卷积神经网络模型；利用所述卷积神经网络模型提取数据集内的路标图片的特征向量，将提取的特征向量存储至特征向量集合；利用特征向量集合训练极速学习机模型；将所述卷积神经网络模型和所述极速学习机模型作为组合模型对待识别路标图片进行识别。本发明能够对各种视野环境下的路标进行准确识别，并语音播报识别结果，提高了驾驶安全性，同时也为无人驾驶提供了技术支撑。

技术领域

本发明涉及交通驾驶技术领域，具体涉及一种路标识别方法、系统、终端及存储介质。

背景技术

道路交通标示中具有丰富的道路交通相关的信息，能够时刻为驾驶员提供提醒、指示等辅助驾驶作用，同时在一定程度上减小着驾驶员的驾驶压力和道路的交通疏导压力，一定程度上减少了交通事故的发生几率。然而，单纯依靠驾驶员不停地一边驾驶一边观察各类交通标识并作出正确反映，会很大程度上增加驾驶员的观察判断压力，加速驾驶疲劳。因此更加自动化和智能化地识别道路交通标识图像越来越受到汽车驾驶方面研究的青睐，同时该领域的研究也是自动无人驾驶发展的一个重要技术。

发明内容

针对现有技术的上述不足，本发明提供一种路标识别方法、系统及装置，以解决上述技术问题。

第一方面，本发明提供一种路标识别方法，包括：

采集路标在不同环境下的图片，将图片存储至数据集；

利用所述数据集创建卷积神经网络模型；

利用所述卷积神经网络模型提取数据集内的路标图片的特征向量，将提取的特征向量存储至特征向量集合；

利用特征向量集合训练极速学习机模型；

将所述卷积神经网络模型和所述极速学习机模型作为组合模型对待识别路标图片进行识别。

进一步的，在所述将图片存储至数据集之前，所述方法还包括：

将所述图片的大小设置为64*64；

根据所述图片所述路标类别对所述图片进行标记；

将具有相同标记的图片划分至同一标记组；

将所述图片转化为python中的numpy类型。

进一步的，所述利用数据集创建卷积神经网络模型，包括：

设置所述卷积神经网络模型的卷积和池化层的数量为三个；

设置所述卷积神经网络模型的卷积核大小为5*5；

设置所述卷积神经网络模型的池化方法为最大池化方法，并设置两个全连接层；

设置所述卷积神经网络模型的各层激活函数为relu函数；

设置所述卷积神经网络模型的输出层为softmax函数。

进一步的，所述方法还包括：

获取导航系统的接口调用授权；

调用导航系统的数据接口；

通过所述数据接口将路标识别图片识别结果导入所述导航系统。

进一步的，所述方法还包括：

通过双目立体相机采集的路标图片计算路标距离车辆的距离；

将路标识别结果和所述距离利用语音提示器转化为声音提示信息输出。

第二方面，本发明提供一种路标识别系统，包括：

数据准备单元，配置用于采集路标在不同环境下的图片，将图片存储至数据集；