[发明专利]车道指引标牌识别方法、装置、服务器及存储介质

说明书

本申请公开了一种车道指引标牌识别方法、装置、服务器及存储介质，该车道指引标牌识别方法包括：获取车道指引标牌的状态图像；根据预设的第一网络模型对所述状态图像进行标牌区域检测处理，得到所述车道指引标牌的区域图像；根据预设的第二网络模型对所述区域图像的字符依序进行光学字符识别，得到所述车道指引标牌的箭头信息。本申请实施例无需单独检测每个车道箭头，避免了车道箭头漏检的问题，在一定程度上提高了车道指引标牌的识别精度。

技术领域

本申请涉及智能交通技术领域，具体涉及一种车道指引标牌识别方法、装置、服务器及存储介质。

背景技术

汽车的飞速发展，为人们日常生活的出行提供了便利，但也带来了各种问题，如交通拥堵、交通事故频频发生。驾驶员能够实时、准确地获取到道路信息，可以有效地帮助驾驶员作出危险预测，提高驾驶的安全性。因此，交通标志识别得到了广泛的关注。

其中，车道指引标牌交通标志的一种表现形式，车道指引标牌一般包含多个车道指示的箭头。针对车道指引标牌的识别，现有的识别方法是，基于计算机视觉中的检测和分类任务来实现。即先从车道指引标牌的图像中检测出每个车道箭头，再分别针对每个箭头进行分类。

但是，现有的识别算法需要针对每个车道箭头分别单独检测，容易出现漏检的问题；当出现其中一个车道箭头漏检时，将会导致所识别的整个车道指引标牌的标志序列。

可见，现有基于计算机视觉中检测和分类任务的识别算法，对车道指引标牌的识别精度较低。

发明内容

本申请实施例提供一种车道指引标牌识别方法、装置、服务器及存储介质，无需单独检测每个车道箭头，避免了车道箭头漏检的问题，在一定程度上提高了车道指引标牌的识别精度。

第一方面，本申请提供一种车道指引标牌识别方法，所述车道指引标牌识别方法包括：

获取车道指引标牌的状态图像；

根据预设的第一网络模型对所述状态图像进行标牌区域检测处理，得到所述车道指引标牌的区域图像；

根据预设的第二网络模型对所述区域图像的字符依序进行光学字符识别，得到所述车道指引标牌的箭头信息。

在本申请一些实施例中，所述第二网络模型包括卷积神经网络和循环神经网络，所述根据预设的第二网络模型对所述区域图像的字符依序识别，得到所述车道指引标牌的箭头信息包括：

根据所述卷积神经网络对所述区域图像进行特征提取处理，得到所述区域图像的特征序列信息；

根据所述循环神经网络和所述特征序列信息进行光学字符序列化识别，得到所述箭头信息。

在本申请一些实施例中，所述根据预设的第二网络模型对所述区域图像的字符依序识别，得到所述车道指引标牌的箭头信息之前，所述方法还包括：

获取第一样本图像，其中，所述第一样本图像中包含第一样本标牌，所述第一样本图像标注了所述第一样本标牌的实际箭头序列信息；

根据预设的识别网络模型对所述第一样本图像进行特征提取处理，得到所述第一样本图像的第一图像特征；

根据所述识别网络模型和所述第一图像特征进行识别处理，得到所述第一样本标牌的箭头序列预测信息；

根据所述箭头序列预测信息和所述实际箭头序列信息，更新所述识别网络模型的模型参数，直至所述识别网络模型收敛时，将所述识别网络模型作为所述第二网络模型。

在本申请一些实施例中，所述获取第一样本图像，包括：

获取所述第一样本标牌的原始图像；

对所述原始图像进行箭头提取处理，得到所述第一样本标牌的多个样本箭头图像；