[发明专利]空间标志识别方法及电子设备

权利要求书

1.一种空间标志识别方法，其特征在于，包括：

从车载相机模块采集的视频中，获得包括空间标志的多帧图像；

依据所述多帧图像和预先训练好的深度学习网络模型，获得所述空间标志的识别数据。

2.如权利要求1所述的方法，其特征在于，依据所述多帧图像和预先训练好的深度学习网络模型，获得所述空间标志的识别数据包括：

将所述多帧图像输入预先训练好的深度学习网络模型，获得每帧图像中所述空间标志的预识别数据；

依据所述多帧图像的预识别数据和预设规则，获得所述空间标志的识别数据。

3.如权利要求2所述的方法，其特征在于，依据所述多帧图像的预识别数据和预设规则，获得所述空间标志的识别数据包括：

依据所述多帧图像的预识别数据，预判属于所述空间标志的对象；

对于被预判为空间标志的对象，判断所述多帧图像中具有该对象的图像帧是否达到预设标准，若是，生成该对象属于所述空间标志的识别数据，否则，生成该对象不属于所述空间标志的识别数据。

4.如权利要求2所述的方法，其特征在于，

获得每帧图像中所述空间标志的预识别数据包括：获得每帧图像中的像素分类数据；

依据所述多帧图像的预识别数据和预设规则，获得所述空间标志的识别数据包括：

依据所述多帧图像的像素分类数据，预判属于所述空间标志的对象；

对所述多帧图像中的相同所述对象进行标记；

对于每个被预判为空间标志的对象，判断所述多帧图像中具有该对象的图像帧数是否达到预设标准，若是，生成该对象属于所述空间标志的识别数据，否则，生成该对象不属于所述空间标志的识别数据。

5.如权利要求1至4任一项所述的方法，其特征在于，通过以下方法获得所述预先训练好的深度学习网络模型：

建立空间标志图像样本数据集，并对所述样本数据集的图像中的空间标志进行标注；

建立深度学习网络模型；

利用所述空间标志图像样本数据集对所述深度学习网络模型进行训练，直至收敛。

6.如权利要求5所述的方法，其特征在于，所述深度学习网络模型为DeepLab V3+模型。

7.如权利要求1所述的方法，其特征在于，从车载相机模块采集的视频中，获得包括空间标志的多帧图像包括：

从车载相机模块采集的视频中，连续地获得前后多帧图像；或者

从车载相机模块采集的视频中，间隔地获得前后多帧图像。

8.如权利要求3或4所述的方法，其特征在于，在生成该对象属于所述空间标志的识别数据后还包括：

获得所述对象的地理坐标信息；

根据所述对象的地理坐标信息，在三维电子地图中生成所述对象。

9.如权利要求8所述的方法，其特征在于，获得所述对象的地理坐标信息包括：

获得所述对象在所述多帧图像的至少其中两帧中的像素坐标；

依据所述至少其中两帧中的像素坐标，生成所述对象的地理坐标信息。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-9中任一项所述的方法。