[发明专利]一种交通标志识别方法、训练方法及设备在审

专利信息
申请号: 202010356150.1 申请日: 2020-04-29
公开(公告)号: CN111400522A 公开(公告)日: 2020-07-10
发明(设计)人: 王建强;顾友良;周培新 申请(专利权)人: 广州紫为云科技有限公司
主分类号: G06F16/51 分类号: G06F16/51;G06F16/55;G06K9/62
代理公司: 杭州华知专利事务所(普通合伙) 33235 代理人: 郭琳
地址: 510700 广东省广州市黄*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 交通标志 识别 方法 训练 设备
【权利要求书】:

1.一种交通标志识别的训练方法,其特征在于,包括一特征索引总表,其中特征索引总表中包含一个或多个类别,并且所述特征索引总表中包含一第一特征提取器以及所述第一特征提取器提取的类别特征;一个或多个特征索引子表,其中每一个所述特征索引子表对应于所述特征索引总表中的一个类别,所述特征索引子表包含一个或多个子类别,其中所述每一个特征索引子表包含有一第二特征提取器以及所述第二特征提取器提取的类别特征;所述方法包括如下步骤:

S1,获取包括待增加类别的交通标志的图像;

S2,使用对应于特征索引总表的第一特征提取器提取所述图像以获取所述图像的第一特征;

S3,计算所述第一特征与特征索引总表中的所述类别的相似度;

S31,选择所述相似度大于一预设值的类别作为相似类别;

S32,判断所述相似类别是否有子类;

S33,如无,则新建一对应于所述相似类别的特征索引子表和特征提取器;

S34,如有,针对所述图像以及所述特征索引子表中的所有类别重新构建特征提取器,并将所述图像以及所述特征索引子表中的所有类别、所述重新构建的特征提取器重新构成新的特征索引子表,使用新的特征索引子表替换所述特征索引子表;

S4,如所述相似度均小于一预设值,则针对所述图像对应的类别,以及用所述第一特征提取器提取所述图像的特征添加到所述特征索引总表中。

2.一种使用如权利要求1所述的交通标志识别训练方法的交通标志识别方法,其特征在于:包括如下步骤:

S10,获取包括交通标志的图像;

S20,使用对应于特征索引总表的所述第一特征提取器提取所述图像,并获取对应所述特征索引总表的类别;

S30,判断所述特征索引总表对应的类别是否存在特征索引子表,如果是,则进入步骤S40,如果否,则将所述特征索引总表的类别作为目标类别;

S40,使用对应于所述类别的第二特征提取器提取所述图像,并获取对应于所述特征索引子表的类别,将所述特征索引子表的类别作为目标类别。

3.根据权利要求2所述的方法,所述步骤S20具体包括:

S210,使用对应于特征索引总表的第一特征提取器提取所述图像以获取所述图像的第一特征;

S220,计算所述第一特征与特征索引总表中的所述类别的特征的cos距离,得到相似度;

S230,选择所述相似度大于一预设值的类别作为所述特征索引总表的类别。

4.根据权利要求3所述的方法,所述步骤S230之后还包括:

S240,如所述相似度均小于一预设值,则针对所述图像对应的类别,以及使用所述第一特征提取器提取的特征添加到特征索引总表中。

5.根据权利要求2所述的方法,其中步骤S40具体包括:

S410,使用对应于所述类别的第二特征提取器提取所述图像以获取所述图像的第二特征;

S420,计算所述第二特征与特征索引子表中的所述类别的特征的cos距离,得到相似度;

S430,选择所述相似度大于一预设值的类别作为所述特征索引子表的类别。

6.根据权利要求5所述的方法,所述步骤S430之后还包括

S440,如所述相似度均小于一预设值,针对所述图像以及所述特征索引子表中的所有类别重新构建特征提取器,并将所述图像以及所述特征索引子表中的所有类别、所述重新构建的特征提取器重新构成新的特征索引子表。

7.一种计算机存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1所述交通标志识别训练方法或权利要求2-6任一项所述交通标志识别方法的操作。

8.一种电子设备,其包括一处理器,一存储器,所述存储器上存储有可执行指令,所述处理器在执行所述存储器上的可执行指令时,用于实现执行所述权利要求1所述交通标志识别训练方法或权利要求2-6任一项所述交通标志识别方法的操作。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州紫为云科技有限公司,未经广州紫为云科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010356150.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top