[发明专利]一种交通标志识别方法、装置、设备及存储介质

说明书

本发明公开了一种交通标志识别方法，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。本发明还公开了一种交通标志识别装置、设备及存储介质。采用本发明，能够更好的检测出交通标志的位置和大小，提升交通标志区域的检测能力；还能够提升识别速度，提高识别率。

技术领域

本发明涉及图像识别技术，特别涉及一种交通标志识别方法、装置、设备及存储介质。

背景技术

目前交通标志检测算法多基于两种算法：传统算法和深度学习算法，传统算法基于图像的边缘、形状或纹理等人工设计的特征算子，对目标进行特征提取和分类，这种方法容易受到光线，形变，遮挡等因素的影响，通常由较高的误识别率。深度学习算法基于深层神经网络，通过逐层的特征提取和采样处理，分类性能强大，但需要海量的数据和强劲的硬件处理能力，功耗高，成本高。

发明内容

为解决上述技术问题，第一方面，本发明公开了一种交通标志识别方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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；