[发明专利]交通信号灯的检测方法、系统、设备、介质及车辆

权利要求书

1.一种交通信号灯的检测方法，其特征在于，具体包括以下步骤：

S1，采集并处理各类交通信号灯的第一图像信息，得到每个所述第一图像信息的先验框，将所有的所述先验框构建为样本信息集；

S2，构建适用于交通信号灯检测的目标检测网络模型，将所有的所述样本信息集输入至所述目标检测网络模型中训练，得到样本模型并予以保存；

S3，构建适用于交通信号灯检测的分类网络模型，将所述样本信息集输入至所述分类网络模型中训练，得到交通信号灯的分类结果并予以保存；

S4，获取真实道路上包含有交通信号灯的第二图像信息，并输入至训练好的所述目标检测网络模型，得到第一检测框，提取所述第一检测框的尺寸信息，并基于所述第一检测框的尺寸信息获取感兴趣区域；

S5，将所述感兴趣区域传输至训练好的所述分类网络模型进行分类，获取所述交通信号灯的状态，实现对所述交通信号灯的检测。

2.如权利要求1所述的交通信号灯的检测方法，其特征在于，在步骤S1中，各类交通信号灯为单圆饼交通信号灯或三联体交通信号灯，将所述第一图像信息通过k_means聚类算法聚类处理得到所述先验框，所述先验框的宽高之比取决于所述交通信号灯的种类；

若所述交通信号灯为单圆饼交通信号灯，则所述先验框的宽高之比为1；

若所述交通信号灯为横向安装的三联体交通信号灯，则所述先验框的宽高之比为1/3；

若所述交通信号灯为竖向安装的三联体交通信号灯，则所述先验框的宽高之比为3。

3.如权利要求2所述的交通信号灯的检测方法，其特征在于，在步骤S3中，所述分类网络模型包括两个分类网络单元，分别为第一分类单元和第二分类单元，第一分类单元用于对交通信号灯的颜色状态进行分类，第二分类单元用于对交通信号灯的指向状态进行分类。

4.如权利要求2所述的交通信号灯的检测方法，其特征在于，在步骤S4中，所述目标检测网络模型根据所述样本模型提取所述第一检测框的尺寸信息，根据所述第一检测框的尺寸信息计算所述第一检测框的宽高之比，所述感兴趣区域的获取包括以下步骤：

若所述第一检测框的宽高之比为1，则将所述第一检测框复制拼接，拼接后形成第二检测框，所述第二检测框的宽高之比为1/3或3，所述第二检测框为感兴趣区域；

若所述第一检测框的宽高之比为1/3或3，则所述第一检测框为所述感兴趣区域。

5.如权利要求4所述的交通信号灯的检测方法，其特征在于，若所述第一检测框的宽高之比为1，所述分类网络模型对所述感兴趣区域分类后，还会对输出结果投票，投票结果高的为所述交通信号灯的状态；

若所述第一检测框的宽高之比为1/3或3时，所述分类网路模型对所述感兴趣区域分类后的输出结果为所述交通信号灯的状态。

6.一种采用如权利要求1-5中任一项所述的交通信号灯的检测方法的检测系统，其特征在于，所述检测系统包括：

采集模块，采集并处理各类交通信号灯的第一图像信息，得到每个所述第一图像信息的先验框，将所有所述先验框构建为样本信息集；

第一训练学习模块，构建适用于交通信号灯检测的目标检测网络模型，将所有所述样本信息集输入至所述目标检测网络模型中训练，得到样本模型并予以保存；

第二训练学习模块，构建适用于交通信号灯检测的分类网络模型，将所述样本信息集输入至所述分类网络模型中训练，得到交通信号灯的分类结果并予以保存；

获取和检测模块，获取真实道路上包含有交通信号灯的第二图像信息，并输入至训练好的所述目标检测网络模型，得到第一检测框，提取所述第一检测框的尺寸信息，并基于所述第一检测框的尺寸信息获取感兴趣区域；

分类模块，将所述感兴趣区域传输至训练好的所述分类网络模型进行分类，获取所述交通信号灯的状态，实现对所述交通信号灯的检测。

7.一种计算机设备，其特征在于，包括：

处理器；

存储器，用于存储可执行指令；

其中，所述处理器用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现如权利要求1-5中任一项所述的交通信号灯的检测方法。