[发明专利]路牌语义识别方法及系统

说明书

本发明公开了一种路牌语义识别方法及系统，该路牌语义识别方法包括：步骤S1：对待识别路牌图像进行预处理；步骤S2：获取基于深度学习的OCR识别模型；步骤S3：采用所述基于深度学习的OCR识别模型对经过所述预处理的待识别路牌图像进行识别。本发明提供的路牌语义识别方法，采用基于深度学习的OCR识别模型对待识别路牌图像进行识别，有利于提高识别结果的精准度。

技术领域

本发明涉及计算机技术领域，具体涉及一种路牌语义识别方法及系统。

背景技术

近年来，人工智能、自然语言识别、机器识别等逐渐成为热点，自动驾驶、智能机器人等行业均逐步实现自动化，其中，深度学习技术便是多种应用中的关键技术。通过深度学习，可以有效地解决图像自动识别的问题。

自动驾驶车辆需要对交通标志进行检测和分类，来学习路段的交通规则；然而目前市场中的对交通标志进行检测和分类的技术并不成熟，大部分情况下，都是根据交通标志的类别进行分类，根据交通标志的轮廓、形状以及标志中的部分固定的内容含义，比如说：可以识别出路牌中的箭头、图形，并判断其含义；也就是说，用此种办法只可以识别出部分交通标志的含义。

然而，对于目前国内的路牌指示标志，其种类多样复杂，不同地区的指示标志也会略有差异；单从路牌种类多样性的问题来讲，要求能识别每个路牌中每个指示的具体含义，从而能够促进自动驾驶技术的进一步推进，然而，目前市场中，对路牌语义的解析规则并不完整和规范，也因此导致语义识别存在误差，最终影响机器对路牌语义的解析。

发明内容

本发明的目的在于提供一种路牌语义识别方法及系统，有利于提高识别结果的精准度。

为实现上述目的，本发明的技术方案提供了一种路牌语义识别方法，包括：

步骤S1：对待识别路牌图像进行预处理；

步骤S2：获取基于深度学习的OCR识别模型；

步骤S3：采用所述基于深度学习的OCR识别模型对经过所述预处理的待识别路牌图像进行识别。

进一步地，所述步骤S1包括：

对所述待识别路牌图像进行图像分割处理、图像尺寸处理以及图像二值化处理。

进一步地，所述步骤S2包括：

利用卷积神经网络模型得到所述基于深度学习的OCR识别模型。

进一步地，所述步骤S2包括：

步骤S21：构建卷积神经网络模型；

步骤S22：获取训练样本集，所述训练样本集包括若干个已标注分类的路牌图像；

步骤S23：采用所述训练样本集对所述卷积神经网络模型进行训练，从而得到所述基于深度学习的OCR识别模型。

为实现上述目的，本发明的技术方案还提供了一种路牌语义识别系统，包括：

预处理模块，用于对待识别路牌图像进行预处理；

获取模块，用于获取基于深度学习的OCR识别模型；

识别模块，用于采用所述基于深度学习的OCR识别模型对经过所述预处理的待识别路牌图像进行识别。

进一步地，所述预处理模块被配置为对所述待识别路牌图像进行图像分割处理、图像尺寸处理以及图像二值化处理。

进一步地，所述获取模块利用卷积神经网络模型得到所述基于深度学习的OCR识别模型。

进一步地，所述获取模块包括：

构建单元，用于构建卷积神经网络模型；