[发明专利]信号灯时域状态检测方法、模型训练方法及相关装置

说明书

本发明公开了一种信号灯时域状态检测方法、模型训练方法及相关装置，该信号灯时域状态检测方法包括：获取图像序列，图像序列至少包括连续的两帧图像，图像中包含信号灯；按照图像的时间顺序将图像序列中的图像输入至信号灯时域状态检测模型，得到信号灯的时域状态。通过上述方式，本发明能够识别信号灯在时域上的变化信息，提高检测准确率。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种信号灯时域状态检测方法、模型训练方法及相关装置。

背景技术

在智能交通电警场景中，信号灯准确定位和状态检测技术对于规范车辆行为至关重要，但现有的高清数字摄像机为了同时辨别车辆类型、车身颜色、车牌号码、车内人脸等信息，视频流和抓拍图片需要长的曝光时间，信号灯区域像素值过饱和，红灯颜色偏黄或偏白，和黄灯颜色接近，导致红灯和黄灯状态难以辨别。

通过单帧的图像检测技术存在缺陷，如红灯和黄灯在颜色上难以辨别，有时需要利用电子信号检测器输出信号灯状态，增加技术人员调试的工作量和信号检测器额外设备，准确率低且会增加产品成本。

发明内容

本发明主要解决的技术问题是提供一种信号灯时域状态检测方法、设备及计算机可读存储介质，能够识别信号灯在时域上的变化信息，提高检测准确率。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种信号灯时域状态检测方法，该信号灯时域状态检测方法包括：获取图像序列，图像序列至少包括连续的两帧图像，图像中包含信号灯；按照图像的时间顺序将图像序列中的图像输入至信号灯时域状态检测模型，得到信号灯的时域状态。

其中，信号灯时域状态检测模型包括特征提取网络和检测网络，按照图像的时间顺序将图像序列中的图像输入至信号灯时域状态检测模型，得到信号灯的时域状态包括：按照图像的时间顺序将图像序列中的图像输入至特征提取网络，获取多个时域特征信息；将多个时域特征信息输入检测网络，得到信号灯的时域状态。

其中，特征提取网络包括骨干网络和增强网络，按照图像的时间顺序将图像序列中的图像输入至特征提取网络，获取多个时域特征信息包括：按照图像的时间顺序将图像序列中的图像输入至骨干网络，获取多个骨干特征信息；将多个骨干特征信息输入增强网络，对多个骨干特征信息进行信息融合，得到信号灯的时域特征信息。

其中，多个骨干特征信息至少包括维度依次降低的第一骨干特征信息、第二骨干特征信息和第三骨干特征信息，将多个骨干特征信息输入增强网络，对多个骨干特征信息进行信息融合，得到信号灯的时域信息包括：将第三骨干特征信息上采样与第二骨干特征信息融合，得到第二融合骨干特征信息，将第二融合骨干特征信息上采样与第一骨干特征信息融合，输出得到第一时域特征信息；将第一时域特征信息下采样与第二融合骨干特征信息融合，输出得到第二时域特征信息；将第三骨干特征信息输出得到第三时域特征信息。

其中，骨干网络包括至少三个残差网络层，按照图像的时间顺序将图像序列中的图像输入至骨干网络，获取多个骨干特征信息包括：利用第一残差网络层进行下采样特征提取，得到第一骨干特征信息；将第一骨干特征信息输入第二残差网络层进行下采样特征提取，得到第二骨干特征信息；将第二骨干特征信息输入第三残差网络层进行下采样特征提取，得到第三骨干特征信息。

其中，该信号等检测方法还包括：对信号灯的时域信息进行检测获取信号灯的状态，信号灯的状态包括亮起、熄灭、状态不变、状态变化中的任一种。