[发明专利]交通要素识别方法、装置、设备及计算机可读存储介质在审
申请号: | 202110718278.2 | 申请日: | 2021-06-28 |
公开(公告)号: | CN113822128A | 公开(公告)日: | 2021-12-21 |
发明(设计)人: | 燕旭东 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京派特恩知识产权代理有限公司 11270 | 代理人: | 崔晓岚;张颖玲 |
地址: | 518000 广东省深圳*** | 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: | 交通 要素 识别 方法 装置 设备 计算机 可读 存储 介质 | ||
本申请提供了一种交通要素识别方法、装置、设备及计算机可读存储介质;涉及地图领域和人工智能领域;该方法包括:对获取到的道路图像进行交通要素的检测,得到待分类交通要素;从待分类交通要素和获取到的多个交通要素模板中,预测出待分类特征,以及多个交通要素模板对应的多个空间势场特征;其中,空间势场特征表征待分类交通要素与交通要素模板之间的吸引或排斥程度;依据多个空间势场特征和待分类特征,从多个交通要素模板中查找到待分类交通要素对应的匹配要素模板;将匹配要素模板对应的类别,确定为待分类交通要素的目标类别。通过本申请,能够提高交通要素识别的准确度。
技术领域
本申请涉及地图领域和人工智能领域,尤其涉及一种交通标牌识别方法、装置、设备及计算机可读存储介质。
背景技术
交通要素(如交通标志、监控设施等)能够提示哪些道路存在交通限制,例如,哪些路段需要限速,哪些路段有违章拍照等。交通要素识别是指借助于人工智能技术,将采集到的道路图像中的交通要素识别出来,以便于利用识别出的交通要素更新地图数据,或者进行自动驾驶等。
相关技术中,是利用标注数据训练出识别模型,并利用该识别模型对采集到的道路图像进行交通要素的识别。然而,由于标注数据中不同类别的交通要素样本不均衡、采集到的道路图像质量较低等问题,利用识别模型对识别交通要素时会出现误检、错检情况,从而使得交通要素识别的准确度较低。
发明内容
本申请实施例提供一种交通要素识别方法、装置、设备及计算机可读存储介质,能够提高交通要素识别的准确度。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种交通要素识别方法,包括:
对获取到的道路图像进行交通要素的检测,得到待分类交通要素;其中,所述交通要素包括道路中的交通标志或监控设施;
从所述待分类交通要素和获取到的多个交通要素模板中,预测出待分类特征,以及所述多个交通要素模板对应的多个空间势场特征;其中,所述空间势场特征表征所述待分类交通要素与所述交通要素模板之间的吸引或排斥程度;
依据所述多个空间势场特征和所述待分类特征,从所述多个交通要素模板中查找到所述待分类交通要素对应的匹配要素模板;
将所述匹配要素模板对应的类别,确定为所述待分类交通要素的目标类别。
本申请实施例提供一种交通要素识别装置,包括:
图像检测模块,用于对获取到的道路图像进行交通要素的检测,得到待分类交通要素;其中,所述交通要素包括道路中的交通标志或监控设施;
特征预测模块,用于从所述待分类交通要素和获取到的多个交通要素模板中,预测出待分类特征,以及所述多个交通要素模板对应的多个空间势场特征;其中,所述空间势场特征表征所述待分类交通要素与所述交通要素模板之间的吸引或排斥程度;
模板匹配模块,用于依据所述多个空间势场特征和所述待分类特征,从所述多个交通要素模板中查找到所述待分类交通要素对应的匹配要素模板;
类别确定模块,用于将所述匹配要素模板对应的类别,确定为所述待分类交通要素的目标类别。
在本申请的一些实施例中,所述模板匹配模块,还用于基于所述多个空间势场特征,对所述待分类特征进行空间矫正,得到所述多个空间势场特征对应的多个矫正特征;依据所述多个矫正特征与所述多个交通要素模板的特征之间的相似度,从所述多个交通要素模板中,确定出所述待分类交通要素对应的所述匹配要素模板。
在本申请的一些实施例中,所述模板匹配模块,还用于利用所述多个空间势场特征中的每个空间势场特征,对所述待分类特征进行空间矫正,得到所述每个空间势场特征对应的矫正特征;当利用所述多个空间势场特征均完成对所述待分类特征的空间矫正时,得到所述多个空间势场特征对应的所述多个矫正特征。
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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202110718278.2/2.html,转载请声明来源钻瓜专利网。