[发明专利]一种交通标志识别方法以及相关装置

权利要求书

1.一种基于神经网络的交通标志识别方法，其特征在于，包括：

获取行驶信息，所述行驶信息包含多个行驶图像；

将所述行驶图像输入目标检测模型中的第一检测网络，以得到所述行驶图像的形状信息，所述目标检测模型包括所述第一检测网络和第二检测网络；

基于所述形状信息对所述行驶图像进行筛选，以得到筛选图像；

将所述筛选图像输入所述目标检测模型中的所述第二检测网络，以确定所述行驶图像中的目标交通标志和置信信息；

基于所述目标交通标志的位置信息对所述行驶图像进行聚合，以得到分组信息，所述分组信息用于指示包含所述目标交通标志的行驶图像集合，所述分组信息包含基于所述置信信息确定的置信度；

若所述置信度满足预设条件，则确定所述分组信息对应的标志信息为所述目标交通标志的标志信息。

2.根据权利要求1所述的方法，其特征在于，所述将所述筛选图像输入所述目标检测模型中的所述第二检测网络，以确定所述行驶图像中的所述目标交通标志和所述置信信息，包括：

确定所述筛选图像对应的前序检测框；

对所述前序检测框进行扰动，以得到输入检测框；

将所述输入检测框内的图像输入所述目标检测模型中的所述第二检测网络，以确定所述行驶图像中的所述目标交通标志和所述置信信息。

3.根据权利要求2所述的方法，其特征在于，所述对所述前序检测框进行扰动，以得到输入检测框，包括：

确定检测框扰动参数；

根据所述检测框扰动参数对所述前序检测框向预设方向进行扰动，以得到所述输入检测框。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取第一训练样本集和第二训练样本集；

基于训练扰动参数对所述第一训练样本集中的样本和所述第二训练样本集中的样本进行更新；

基于更新后的所述第一训练样本集对所述第一检测网络进行训练；

基于更新后的所述第二训练样本集对所述第二检测网络进行训练。

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标交通标志的位置信息对所述行驶图像进行聚合，以得到分组信息，包括：

确定所述目标交通标志在所述行驶图像中的位置信息；

基于所述位置信息对所述行驶图像进行聚合，以得到所述分组信息。

6.根据权利要求1所述的方法，其特征在于，所述基于所述目标交通标志的位置信息对所述行驶图像进行聚合，以得到分组信息，包括：

确定包含所述目标交通标志的目标图像；

根据所述目标图像确定目标场景组，所述目标场景组包含的图像数量基于候选范围设定；

依次将所述候选范围内的所述行驶图像与所述目标图像进行比对，以得到所述分组信息。

7.根据权利要求6所述的方法，其特征在于，所述确定包含所述目标交通标志的目标图像，包括：

确定包含所述目标交通标志的图像组；

基于展示信息确定所述图像组中的所述目标图像，所述展示信息包括图像大小、图像完整度或图像置信度确定。

8.根据权利要求6所述的方法，其特征在于，所述依次将所述候选范围内的所述行驶图像与所述目标图像进行比对，以得到所述分组信息，包括：

确定与所述目标图像相邻的候选图像；

基于所述候选图像与所述目标图像之间的距离信息进行识别，以确定与所述目标图像同类别的相邻图像；

根据所述目标图像和所述相邻图像得到所述分组信息。

9.根据权利要求6所述的方法，其特征在于，所述方法还包括：

确定所述目标场景组中指示的目标类别；

基于所述目标类别对所述目标场景组中的差异项进行类别更新。