[发明专利]交通灯的分类方法、分类装置、电子设备及存储介质

权利要求书

1.一种交通灯的分类方法，其特征在于，所述交通灯的分类方法包括：

获取第一交通灯图像；

对所述第一交通灯图像进行交通灯检测，得到多个第一目标检测框；

对所述多个第一目标检测框进行聚类，得到第二交通灯图像；

对所述第二交通灯图像进行交通灯检测，得到多个第二目标检测框；

基于所述多个第二目标检测框进行交通灯分类，得到交通灯分类结果。

2.如权利要求1所述的交通灯的分类方法，其特征在于，所述对所述第二交通灯图像进行交通灯检测，得到多个第二目标检测框，包括：

获取预设的目标检测网络模型，其中，所述目标检测网络模型的卷积层的卷积核的尺寸为a*a，a为大于0的整数；

将所述目标检测网络模型中至少一个卷积层的卷积核的尺寸调整为b1*h1，得到第二交通灯检测模型，其中，b1与h1不相等，h1和b1均为大于0的整数；

基于所述第二交通灯检测模型对所述第二交通灯图像进行交通灯检测，得到多个第二目标检测框。

3.如权利要求2所述的交通灯的分类方法，其特征在于，

所述基于所述多个第二目标检测框进行交通灯分类，得到交通灯分类结果，包括：

将所述目标检测网络模型中至少一个卷积层的卷积核的尺寸调整为b2*h2，得到第三交通灯检测模型，其中，当b1小于h1时，设置b2大于h2，当b1大于h1时，设置b2小于h2，h2和b2均为大于0的整数；

基于所述第三交通灯检测模型对所述第二交通灯图像进行交通灯检测，得到多个第三目标检测框；

基于所述多个第二目标检测框和所述多个第三目标检测框进行交通灯分类，得到交通灯分类结果。

4.如权利要求3所述的交通灯的分类方法，其特征在于，所述基于所述多个第二目标检测框和所述多个第三目标检测框进行交通灯分类，得到交通灯分类结果，包括：

基于所述目标检测网络模型对所述第二交通灯图像进行交通灯检测，得到多个第四目标检测框；

基于所述多个第二目标检测框、所述多个第三目标检测框以及所述多个第四目标检测框进行交通灯分类，得到交通灯分类结果。

5.如权利要求2-4任意一项所述的交通灯的分类方法，其特征在于，所述将所述目标检测网络模型中至少一个卷积层的卷积核的尺寸调整为b1*h1，得到所述第二交通灯检测模型，包括：

将所述目标检测网络模型中至少一个卷积层的卷积核的尺寸调整为b1*h1，将所述目标检测网络模型中锚框数量减少至第一预设值，得到所述第二交通灯检测模型。

6.如权利要求1所述的交通灯的分类方法，其特征在于，所述对所述多个第一目标检测框进行聚类，得到第二交通灯图像，包括：

获取所述多个第一目标检测框的预测置信度；

基于所述多个第一目标检测框的预测置信度从所述多个第一目标检测框中筛选出预设数量的第一目标检测框，作为第五目标检测框；

对所述第五目标检测框进行聚类，得到第二交通灯图像。

7.如权利要求1所述的交通灯的分类方法，其特征在于，所述基于所述多个第二目标检测框进行交通灯分类，得到交通灯分类结果，包括：

基于非极大值抑制算法去除所述多个第二目标检测框中的冗余框，得到目标预测边框，其中，所述非极大值抑制算法采用DIoU为距离度量；

基于所述目标预测边框进行交通灯分类，得到交通灯分类结果。

8.如权利要求5所述的交通灯的分类方法，其特征在于，所述基于第二交通灯检测模型对所述第二交通灯图像进行交通灯检测，得到多个第二目标检测框，包括：

将所述第二交通灯图像按预设比例放大，得到放大后的第二交通灯图像；

将放大后的第二交通灯图像输入第二交通灯检测模型进行交通灯检测，得到多个第二目标检测框。