[发明专利]一种交通标志识别方法、装置、设备及存储介质

权利要求书

1.一种交通标志识别方法，其特征在于，所述识别方法包括：

获取待识别图像；

对所述待识别图像进行预处理并生成图像金字塔；

分别提取所述图像金字塔中的每层图像的边缘特征和纹理特征；

将所述边缘特征和所述纹理特征进行特征关联融合，得到所述待识别图像中的交通标志信息；

基于所述交通标志信息和交通标志分类器进行识别处理，得到所述交通标志信息对应的交通标志类别；

其中，所述交通标志分类器是基于交通标志样本图像与相应的交通标志类别进行机器学习训练确定的，所述交通标志样本图像所对应的类别与所述待检测图像所对应的类别属于同一类型的类别。

2.根据权利要求1所述的交通标志识别方法，其特征在于，所述获取待识别图像包括：

获取摄像头采集的视频图像；

隔行隔列抽取所述视频图像得到所述待识别图像。

3.根据权利要求1所述的交通标志识别方法，其特征在于，所述对所述待识别图像进行预处理并生成图像金字塔包括：

对所述待识别图像进行灰度处理；

将经过灰度处理后的所述待识别图像按照预设的缩放因子进行缩放，得到预设层数的所述图像金字塔。

4.根据权利要求1所述的交通标志识别方法，其特征在于，所述分别提取所述图像金字塔中的每层图像的边缘特征和纹理特征包括：

通过检测窗口检测所述图像金字塔中的各层图像；

通过次层特征整合单元在当前检测窗口中滑动计算所述当前检测窗口的特征算子；所述次层整合单元包括若干个最小特征检测单元，所述最小特征检测单元由若干个像素构成；

根据各个所述检测窗口的特征算子计算生成边缘向量作为边缘特征；

获取当前像素点的像素值，

获取所述当前像素点所在的邻域像素点和所述邻域像素点的像素值；

根据所述当前像素点的像素值和所述邻域像素点的像素值获取邻域范围内的特征信息；

根据所述特征信息计算得到纹理特征。

5.根据权利要求4所述的交通标志识别方法，其特征在于，根据所述当前像素点的像素值和所述邻域像素点的像素值获取邻域范围内的特征信息包括：

获取所述当前像素点和所述邻域像素点的位置信息；

根据所述位置信息、所述当前像素点的像素值和所述邻域像素点的像素值生成所述邻域范围的特征直方图，并将所述特征直方图作为特征信息。

6.根据权利要求1所述的交通标志识别方法，其特征在于，所述获取待识别图像之前，还包括：

获取标注有交通标志类别的训练样本图像；

对所述训练样本图像进行预处理并生成图像金字塔；

分别提取所述图像金字塔中的每层图像的边缘特征和纹理特征；

将所述边缘特征和所述纹理特征进行特征关联融合，得到所述待识别图像中的交通标志信息；

将所述交通标志信息作为交通标志分类器的输入信息，将所述交通标志类别作为交通标志分类器的输出信息；

对比所述交通标志分类器的输出信息和所述训练样本图像；

根据对比的结果，训练生成所述交通标志分类器。

7.根据权利要求1所述的交通标志识别方法，其特征在于，

所述交通标志分类器包括输入层、卷积层、下采样层、拓宽层、全连接层和输出层；

所述输入层用于获取所述交通标志信息，并将所述交通标志信息的尺寸调整至预设大小后生成二维图像矩阵；

所述卷积层用于将所述二维图像矩阵进行离散卷积运算得到卷积结果；

所述下采样层用于选择池化域内的某个像素点的像素值作为所述池化域区域的整体像素值；

所述拓宽层用于增加所述交通标志分类器的网络宽度；

所述全连接层用于提取各层的输出结果；

所述输出层通过softmax函数统计各个交通标示类别的概率得到所述交通标志的类别。