[发明专利]道路交通标志检测方法、装置、设备及存储介质

权利要求书

1.一种道路交通标志检测方法，其特征在于，所述方法包括：

获取道路交通标志图片，并根据所述道路交通标志图片获得交通标志数据集；

对所述交通标志数据集进行预处理，得到预处理后的交通标志数据集；

对所述预处理后的交通标志数据集进行标注，并对标注后的交通标志数据集进行划分，得到训练集与测试集；

基于YOLOv5算法框架构建初始道路交通标志检测模型，将所述初始道路交通标志检测模型中的主干网络替换为轻量级网络并在所述初始道路交通标志检测模型中加入小目标检测层，得到修改后的道路交通标志检测模型；

将所述训练集输入至所述修改后的道路交通标志检测模型中进行训练，得到训练后的道路交通标志检测模型；

将所述测试集输入至所述训练后的道路交通标志检测模型进行检测与识别，得到道路交通标志检测结果。

2.如权利要求1所述的方法，其特征在于，所述对所述交通标志数据集进行预处理，得到预处理后的交通标志数据集，包括：

通过几何变换和颜色变换操作扩增所述交通标志数据集，得到扩增后的交通标志数据集，其中，所述几何变换操作包括翻转、旋转、裁剪、变形、缩放、加噪以及模糊中的至少一项，颜色变换操作包括颜色变换、擦除以及填充中的至少一项；

将扩增后的交通标志数据集进行平滑处理；

将平滑处理后的交通标志数据集中的图片进行拉普拉斯锐化处理，得到预处理后的交通标志数据集。

3.如权利要求2所述的方法，其特征在于，所述将平滑处理后的交通标志数据集中的图片进行拉普拉斯锐化处理，得到预处理后的交通标志数据集，包括：

对平滑处理后的交通标志数据集中的图片进行归一化处理，得到原始图片；

根据所述原始图片获得目标拉普拉斯滤波器；

对所述原始图片进行傅里叶变换，并通过所述目标拉普拉斯滤波器对傅里叶变换后的原始图片进行频域拉普拉斯滤波，得到空域拉普拉斯图；

将所述空域拉普拉斯图与所述原始图片叠加，得到锐化处理后的交通标志数据集；

将所述锐化处理后的交通标志数据集作为预处理后的交通标志数据集。

4.如权利要求3所述的方法，其特征在于，所述根据所述原始图片获得目标拉普拉斯滤波器，包括：

获取所述原始图片的空域拉普拉斯算子；

根据所述空域拉普拉斯算子得到对应频域的初始拉普拉斯滤波器；

根据所述原始图片的尺寸数据确定所述初始拉普拉斯滤波器的尺寸；

根据所述初始拉普拉斯滤波器的尺寸得到目标拉普拉斯滤波器。

5.如权利要求1所述的方法，其特征在于，所述对所述预处理后的交通标志数据集进行标注，并对标注后的交通标志数据集进行划分，得到训练集与测试集，包括：

将预处理后的交通标志数据集中的图片通过python的图像标注插件逐张进行标注，生成对应的标签；

将标注后的标签与图片按照顺序保存，得到标注后的交通标志数据集；

通过随机分类代码将所述标注后的交通标志数据集分为训练集与测试集。

6.如权利要求1所述的方法，其特征在于，所述将所述训练集输入至所述修改后的道路交通标志检测模型中进行训练，得到训练后的道路交通标志检测模型，包括：

将所述训练集输入至所述修改后的道路交通标志检测模型中进行训练，得到训练好的权重矩阵；

从所述训练好的权重矩阵中得到最优权重矩阵，并将所述最优权重矩阵输入至所述修改后的道路交通标志检测模型中，得到训练后的道路交通标志检测模型。

7.如权利要求1所述的方法，其特征在于，所述获取道路交通标志图片，并根据所述道路交通标志图片获得交通标志数据集，包括：

通过摄像头对预设数量的目标地点进行视频拍摄以及图像采集，得到含有道路交通标志的视频以及含有道路交通标志的图片；

每隔预设时长对所述视频进行关键帧提取，得到提取的图片；

将所述提取的图片与所述含有道路交通标志的图片进行混合，得到交通标志数据集。