[发明专利]基于人工智能技术的道路选择方法、装置及可读存储介质

权利要求书

1.一种基于人工智能技术的道路选择方法，适于在计算设备中执行，其特征在于，至少包括如下步骤：

采集当前道路的待处理图像，并对所述待处理图像进行预处理得到目标图像；

调用预先训练的深度神经网络对所述目标图像进行特征提取，得到道路特征；

根据所述道路特征，判断当前道路是否出现道路分岔，若否，则重复执行所述调用预先训练的深度神经网络对所述目标图像进行特征提取，得到道路特征的步骤；若是，则执行下一步骤；其中，根据实际路口所在区域与地图中的路口所在区域判断所述道路是否分岔，所在区域的参数包括经纬度，路口的数目，路口的朝向，各个路口之间的距离与位置关系；

对所述目标图像中的每一个分岔路口进行一次标注，并计算每个一次标注的分岔路口与地图信息的匹配度；

若所述匹配度大于或等于第一阈值，则对该分岔路口进行二次标注；

若所述匹配度大于或等于第二阈值，且小于所述第一阈值，则调用所述深度神经网络对该分岔路口进行分类；若该分岔路口符合分类标准，则对该分岔路口进行二次标注，若该分岔路口不符合分类结果，则利用第一声信号或第一光信号进行提示该分岔路口与所述地图信息不符；若所述匹配度小于所述第二阈值，则利用第二声信号或第二光信号进行提示该分岔路口与所述地图信息不符。

2.根据权利要求1所述的基于人工智能技术的道路选择方法，其特征在于，所述对所述待处理图像进行预处理得到目标图像，具体为：

对所述待处理图像进行降噪处理，并对降噪处理后的待处理图像进行压缩，以使该待处理图像的大小适应所述深度神经网络，从而得到目标图像。

3.根据权利要求1所述的基于人工智能技术的道路选择方法，其特征在于，所述道路特征包括道路的方向、分岔路口的数量，以及道路的经纬度。

4.根据权利要求1所述的基于人工智能技术的道路选择方法，其特征在于，所述深度神经网络的训练步骤如下：

对采集的道路视频图像进行道路的分岔路口框选，得到若干样本图像，同时，获取非分岔路口的负样本图像；

设定深度神经网路的训练层数和训练函数；

分别将所述样本图像和所述负样本图像输入所述深度神经网络进行训练，得到分岔路口的分类标准。

5.一种基于人工智能技术的道路选择装置，其特征在于，包括：

预处理模块，用于采集当前道路的待处理图像，并对所述待处理图像进行预处理得到目标图像；

特征提取模块，用于调用预先训练的深度神经网络对所述目标图像进行特征提取，得到道路特征；

分岔判断模块，用于根据所述道路特征，判断当前道路是否出现道路分岔，若否，则重复调用特征提取模块；若是，则调用标注模块；其中，根据实际路口所在区域与地图中的路口所在区域判断所述道路是否分岔，所在区域的参数包括经纬度，路口的数目，路口的朝向，各个路口之间的距离与位置关系；

标注模块，用于对所述目标图像中的每一个分岔路口进行一次标注，并计算每个一次标注的分岔路口与地图信息的匹配度；

所述标注模块，还用于若所述匹配度大于或等于第一阈值，则对该分岔路口进行二次标注；

所述标注模块，还用于若所述匹配度大于或等于第二阈值，且小于所述第一阈值，则调用所述深度神经网络对该分岔路口进行分类；若该分岔路口符合分类标准，则对该分岔路口进行二次标注，若该分岔路口不符合分类结果，则利用第一声信号或第一光信号进行提示该分岔路口与所述地图信息不符；

所述标注模块，还用于若所述匹配度小于所述第二阈值，则利用第二声信号或第二光信号进行提示该分岔路口与所述地图信息不符。

6.根据权利要求5所述的基于人工智能技术的道路选择装置，其特征在于，所述对所述待处理图像进行预处理得到目标图像，具体为：

对所述待处理图像进行降噪处理，并对降噪处理后的待处理图像进行压缩，以使该待处理图像的大小适应所述深度神经网络，从而得到目标图像。

7.根据权利要求5所述的基于人工智能技术的道路选择装置，其特征在于，所述道路特征包括道路的方向、分岔路口的数量，以及道路的经纬度。