[发明专利]一种交通灯检测方法和装置

权利要求书

1.一种交通灯检测方法，其特征在于，包括：

接收包括有交通灯的图像，将所述图像通过检测网络模型获得该图像中交通灯的状态和位置信息；

其中，所述检测网络模型包括N个串联的fire模型组合成的主干卷积网络FireNet，在所述主干卷积网络FireNet的前后分别设置的第一卷积层和第二卷积层，以及在第二卷积层后面设置的region层。

2.根据权利要求1所述的方法，其特征在于，还包括：

构建所述检测网络模型的过程：

采集预设数量的实景道路中含有交通灯的图像，对每张图像进行交通灯的状态和位置信息的标注；

将标注后的图像进行随机打乱，抽取预设数量的图像作为训练集，抽取预设数量的图像作为测试集；

搭建检测网络模型，利用训练集中的图像对所述检测网络模型进行训练，以获得检测网络模型的权重文件；然后利用测试集中的图像对具有权重文件的检测网络模型进行测试。

3.根据权利要求2所述的方法，其特征在于，对每张图像进行交通灯的状态和位置信息的标注，以获得每张图像的标签文件；

将标注后的图像进行随机打乱，抽取预设数量的图像作为训练集，抽取预设数量的图像作为测试集之后，包括：

分别在训练集文件夹和测试集文件夹中设置各自的图像文件夹和标签文件夹，以分别存储训练集和测试集中的图像及其对应的标签文件。

4.根据权利要求1所述的方法，其特征在于，所述fire模型分为两层，并且每层都设置有激活层；其中，所述fire模型的第一层设置有1*1的卷积核，所述fire模型的第二层设置有1*1的卷积核和3*3的卷积核。

5.根据权利要求1所述的方法，其特征在于，所述第一卷积层与所述主干卷积网络FireNet之间设置有池化层，所述主干卷积网络FireNet与所述第二卷积层之间设置有池化层；

所述主干卷积网络FireNet中N个串联的fire模型，除第一个fire模型与第二个fire模型之间不设置池化层，其余fire模型之间都设置有池化层。

6.根据权利要求1-5任一所述的方法，其特征在于，所述第一卷积层为采用64个大小为3*3的滤波器，所述第二卷积层为采用1024个大小为1*1的滤波器。

7.一种交通灯检测装置，其特征在于，包括：

接收模块，用于接收包括有交通灯的图像；

检测模块，用于将所述图像通过检测网络模型获得该图像中交通灯的状态和位置信息；其中，所述检测网络模型包括N个串联的fire模型组合成的主干卷积网络FireNet，在所述主干卷积网络FireNet的前后分别设置的第一卷积层和第二卷积层，以及在第二卷积层后面设置的region层。

8.根据权利要求7所述的装置，其特征在于，所述检测模块，还用于：

构建所述检测网络模型的过程：

采集预设数量的实景道路中含有交通灯的图像，对每张图像进行交通灯的状态和位置信息的标注；

将标注后的图像进行随机打乱，抽取预设数量的图像作为训练集，抽取预设数量的图像作为测试集；

搭建检测网络模型，利用训练集中的图像对所述检测网络模型进行训练，以获得检测网络模型的权重文件；然后利用测试集中的图像对具有权重文件的检测网络模型进行测试。

9.根据权利要求8所述的装置，其特征在于，所述检测模块，还用于：

对每张图像进行交通灯的状态和位置信息的标注，以获得每张图像的标签文件；

将标注后的图像进行随机打乱，抽取预设数量的图像作为训练集，抽取预设数量的图像作为测试集之后，包括：

分别在训练集文件夹和测试集文件夹中设置各自的图像文件夹和标签文件夹，以分别存储训练集和测试集中的图像及其对应的标签文件。