[发明专利]交通信号灯检测方法、装置、电子设备和存储介质

说明书

本申请实施例提供了一种交通信号灯检测方法、装置、电子设备和存储介质，通过交通信号灯检测模型对获取到的待检测图像进行卷积处理，从而获取所述待检测图像中包括的交通信号灯的候选区域；再通过交通信号灯分类模型对候选区域进行分类运算，最终获得所述待检测图像中包括的交通信号灯的类别。本申请在进行交通信号灯的类别检测时，仅需要对预先检测到的候选区域进行分类运算，而不是对整个图像进行分类运算，在无需对模型尺寸进行压缩的前提下，提高交通信号灯类别检测的速度和效率，降低了检测过程中需要占用的内存，同时也保证了交通信号灯检测结果的准确度。

技术领域

本申请涉及自动驾驶技术，具体地，涉及一种交通信号灯检测方法、装置、电子设备和存储介质。

背景技术

随着技术的发展，汽车的智能化程度越来越高，汽车的自动驾驶功能也受到越来越多的人的青睐。在汽车的自动驾驶系统中，交通信号灯检测技术是其中较为重要的组成模块之一。

目前，为了能够检测交通信号灯的颜色及转向箭头方向，可以通过图像处理的方式检测图像中的交通信号灯的位置和颜色。然而，用于进行交通信号灯检测的图像往往是大视野高清图像或由多个摄像头拍摄的图像拼接组成的高清图像，若直接通过卷积神经网络对高清图像进行检测，则会导致检测速度较慢，且占用的显存过大，若为了提高检测速度而对模型的尺寸进行压缩，则会降低检测结果的精度。

发明内容

本申请实施例中提供了一种交通信号灯检测方法、装置、电子设备和存储介质，以解决现有技术在无人驾驶车载环境等低功耗嵌入式设备中部署的检测模型精度较低且检测速度较慢的技术问题。

根据本申请实施例的第一个方面，提供了一种交通信号灯检测方法，应用于电子设备，所述方法包括：

通过交通信号灯检测模型对获取到的待检测图像进行卷积处理，以获取所述待检测图像中包括的交通信号灯的候选区域；

通过交通信号灯分类模型对所述候选区域进行卷积分类运算，获得所述待检测图像中包括的交通信号灯的类别，其中，所述类别包括黄灯、红灯、绿灯及转向箭头灯中的至少一种。

在可选的实施方式中，所述方法还包括：

通过交通信号灯分类模型对所述候选区域进行卷积分类运算，获得所述待检测图像中包括的交通信号灯在所述待检测图像中的位置信息。

在可选的实施方式中，在通过交通信号灯检测模型对获取到的待检测图像进行卷积处理之前，所述方法还包括：

对所述待检测图像进行预处理，将所述待检测图像转化为灰度图像。

在可选的实施方式中，交通信号灯检测模型包括多个卷积主干网络及目标检测层，通过交通信号灯检测模型对获取到的待检测图像进行卷积处理，以获取所述待检测图像中包括的交通信号灯的候选区域，包括：

对所述待检测图像的灰度图像进行降采样；

将降采样后的灰度图像分别输入至多个所述卷积主干网络中进行运算，获得所述灰度图像的多个不同尺寸的下采样特征图；

对所述灰度图像的多个不同尺寸的下采样特征图进行融合，获得融合特征图；

对所述融合特征图进行上采样，并与主干网浅层对应尺度的特征图进行跨层融合，获得融合特征图的多个上采样特征图；

通过目标检测层分别对所述融合特征图的多个上采样特征图进行目标检测，输出目标检测结果，其中，所述目标检测结果为所述灰度图像中包括的交通信号灯的候选区域。

在可选的实施方式中，在通过目标检测层分别对多个所述上采样特征图进行目标检测之前，所述方法还包括：

通过空间金字塔池化层对所述上采样特征图进行特征增强处理。