[发明专利]基于深度学习的信号灯识别方法和装置、设备及存储介质

说明书

本申请实施例属于人工智能领域，应用于智慧城市领域中,涉及一种基于深度学习的信号灯识别方法、装置、计算机设备及存储介质，该方法包括：接收图像采集设备发送的道路图像数据；将所述道路图像数据输入至基于DIOU‑YOLOv3算法以及DIOU损失的识别模型进行识别操作，得到信号灯标识信息；输出所述信号灯标识信息。此外，本申请还涉及区块链技术，图像采集设备发送的道路图像数据可存储于区块链中。本申请通过对传统“YOLOv3算法”进行改进，即在原先的损失函数中增加了一种新的DIOU损失，使得识别模型更加精准地拟合信号灯检测框的位置和大小，从而进一步提高了交通信号灯识别的整体准确率和召回率，新的DIOU损失函数可以加快模型的收敛，并且可以使模型的鲁棒性更强。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于深度学习的信号灯识别方法和装置、计算机设备及存储介质。

背景技术

随着车辆闯红灯违法行为的不断增加，对交通卡口图像中的信号灯进行快速定位与识别，成为智能交通系统中极其重要的环节。

现有一种信号灯识别方法，即基于YOLOv3的深度学习方法对交通卡口图像中的信号灯进行定位与识别。

然而，传统的信号灯识别方法普遍不智能，当交通卡口存在较多机动车辆时，由于过多机动车辆的前大灯发出干扰光线，从而降低交通卡口图像采集信号灯的清晰度，进而降低传统的信号灯识别方法的准确率。

当在夜间、雨天、雾霾、有遮挡等时，传统基于YOLOv3的信号灯识别方法的识别准确率和召回率则偏弱，无法在夜间、雨天、雾霾、有遮挡等困难场景下保证较高的准确率。

发明内容

本申请实施例的目的在于提出一种基于深度学习的信号灯识别方法、装置、计算机设备及存储介质，以解决当交通卡口存在较多机动车辆时，由于过多机动车辆的前大灯发出干扰光线，从而降低交通卡口图像采集信号灯的清晰度，进而降低传统的信号灯识别方法的准确率的问题。

为了解决上述技术问题，本申请实施例提供一种基于深度学习的信号灯识别方法，采用了如下所述的技术方案：

接收图像采集设备发送的道路图像数据；

将所述道路图像数据输入至基于DIOU-YOLOv3算法以及DIOU损失的识别模型进行识别操作，得到信号灯标识信息；

输出所述信号灯标识信息。

为了解决上述技术问题，本申请实施例还提供一种基于深度学习的信号灯识别装置，采用了如下所述的技术方案：

图像数据接收模块，用于接收图像采集设备发送的道路图像数据；

识别操作模块，用于将所述道路图像数据输入至基于DIOU-YOLOv3算法以及DIOU损失的识别模型进行识别操作，得到信号灯标识信息；

信号灯标识输出模块，用于输出所述信号灯标识信息。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

包括存储器和处理器，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述基于深度学习的信号灯识别方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述基于深度学习的信号灯识别方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：