[发明专利]一种基于人工智能的交通标识安全检测方法及系统

权利要求书

1.一种基于人工智能的交通标识安全检测方法，其特征在于，所述检测方法包括以下步骤：

一、交通标识图像输入模块获取检测目标的数据，以图片形式输出；

二、图像变换器对交通标识原始图像的图片副本进行防御性变换，每种变换得到一张交通标识图像的变换图像，以图片格式输出；

三、待检测样本集模块将交通标识原始图像、交通标识图像的变换图像汇集、标注，形成待检测集合；

四、交通标识识别AI算法库模块采用多种算法对待检测样本集进行识别计算；

五、分类结果裁决器对多种交通标识识别AI算法识别的待检测样本结果进行分类判断，以辨别分类的一致性，根据分类结果裁决器的一致性指标，得出交通标识图片和算法的安全性判定。

2.根据权利要求1所述的一种基于人工智能的交通标识安全检测方法，其特征在于，所述步骤一中的交通标识图像输入模块采用如下两种方式获取检测目标的数据：

1)物理域在线获取，对交通标识进行摄像捕捉，存储为图片；

2)数字域离线获取，上传待检测交通标识图片。

3.根据权利要求1所述的一种基于人工智能的交通标识安全检测方法，其特征在于，所述步骤二中的图像变换器采用防御算法H(G)，对交通标识原始图像G的图片副本进行变换，其中防御算法H()取值为一组不改变交通标书图片主要特征的弱干扰图像处理函数，为{H|去噪变换算法T1，二值变换算法T2，灰度变换算法T3……}，变换后形成变换图片集{Gt1，Gt2，Gt3，…}。

4.根据权利要求3所述的一种基于人工智能的交通标识安全检测方法，其特征在于，所述步骤三中的形成的待检测集合为{G，Gt1，Gt2，Gt3，……}。

5.根据权利要求4所述的一种基于人工智能的交通标识安全检测方法，其特征在于，所述步骤四中的交通标识识别AI算法库模块以可扩展方式将多种经典识别算法形成程序库AILib＝{L1＝Alexnet，L2＝Resnet，L3＝VGG，L4＝Squzzenet，L5＝Densenet，……}，对待测样本集进行{G，Gt1，Gt2，Gt3，……}识别计算，得到检测结果向量集[{GL1，L2，L3，……|α0，β0，γ0，……}，{Gt1L1，L2，L3，……|α1，β1，γ1，……}，{Gt2L1，L2，L3，……|α2，β2，γ2，……}，……}]。

6.根据权利要求1所述的一种基于人工智能的交通标识安全检测方法，其特征在于，所述步骤五中的分类结果裁决器采用如下方式对多种交通标识识别AI算法识别的待检测样本结果进行分类判断：

1)内向量一致性计算：

2)向量集一致性计算：

3)根据V的值，分类结果裁决器得出交通标识安全性判定：如果Pi≠0，则交通标识图像不安全；如果V≠0，则交通标识识别AI算法不安全。

7.一种基于权利要求1-6任一项所述的基于人工智能的交通标识安全检测系统，其特征在于，所述检测系统包括交通标识图像输入模块、图像变换器模块、待检测样本集模块、交通标识识别AI算法库模块和分类结果裁决器模块，最终实现安全性判定，交通标识图像输入模块、图像变换器模块、待检测样本集模块、交通标识识别AI算法库模块和分类结果裁决器模块依次串行连接。

8.根据权利要求7所述的一种基于人工智能的交通标识安全检测系统，其特征在于，所述待检测样本集模块包括原始图像单元、去噪变换图单元、二值变换图单元、ABC变换图单元，交通标识图像输入模块和原始图像单元相连；

所述交通标识识别AI算法库模块包括Alexnet算法单元、Resnet算法单元、VGG算法单元、Squzzenet算法单元、Xyz算法单元。

9.根据权利要求8所述的一种基于人工智能的交通标识安全检测系统，其特征在于，所述原始图像单元和Alexnet算法单元、Resnet算法单元、VGG算法单元、Squzzenet算法单元、Xyz算法单元均相连；

所述去噪变换图单元和Alexnet算法单元、Resnet算法单元、VGG算法单元、Squzzenet算法单元、Xyz算法单元均相连；

所述二值变换图单元和Alexnet算法单元、Resnet算法单元、VGG算法单元、Squzzenet算法单元、Xyz算法单元均相连；

所述ABC变换图单元和Alexnet算法单元、Resnet算法单元、VGG算法单元、Squzzenet算法单元、Xyz算法单元均相连。