[发明专利]一种基于CBAM结合HSB模式的交通信号灯检测方法和系统

说明书

一种基于CBAM结合HSB模式的交通信号灯检测方法和系统，首先通过引入CBAM机制结合深度学习技术检测到交通信号灯区域，然后通过转换交通信号灯区域块到HSB色彩模式，根据当前交通信号灯的色相H直方图和亮度B重心数据，判断出当前交通信号灯的颜色信息，最后再根据交通信号灯的位置排列等信息判断当前画面中所有交通信号灯的信息。本发明通过结合深度学习技术、图像处理技术以及交通信号灯的特性，能有效识别当前车辆目标区域的交通信号灯的信息；通过CBAM机制能更加专注于交通信号灯的特征信息提取；通过HSB颜色模式和交通信号灯的位置排列特点，能有效解决摄像头采集到的图像数据可能存在色彩失真的问题，为智能驾驶领域提供技术支持。

技术领域

本发明主要涉及深度学习和图像处理方法，可应用于智慧交通以及智能驾驶相关的城市交通领域中，具体是一种基于CBAM结合HSB模式的交通信号灯检测方法和系统。

背景技术

智能网联自动驾驶领域中，需要众多技术方案作为支持，其中交通信号灯的检测是最为基础的关键技术之一，交通信号灯检测能为智能网联自动驾驶提供交通信号灯状态等信息，是智能网联自动驾驶过程中不可或缺的信息。自从深度学习技术的普及以来，基于视觉的检测技术有了质的飞跃，在交通信号灯检测领域也引入了很多基于深度学习的检测技术，但是面对交通信号灯实际情况复杂且多变的问题，也存在一定的局限性。

发明内容

本发明要克服当前技术存在的上述不足，提出一种基于CBAM结合HSB模式的交通信号灯检测方法和系统。

本发明的目的是通过以下技术方案来实现的：一种基于CBAM结合HSB模式的交通信号灯检测方法，包括以下步骤：

步骤一：通过CBAM机制结合卷积神经网络技术检测到每个交通信号灯在图像中的区域和对应的信号灯类别；

步骤二：切割出每个交通信号灯区域块子图，并转换到HSB颜色模式，统计该子图的红、黄、橙、绿的色相H通道的直方图；

步骤三：根据步骤二中的信息，对于色相H直方图的所属色块为红、黄、绿的，直接输出该交通信号灯颜色信息；对于所属色块为橙的，计算区域块子图在亮度B通道的重心位置，根据重心位置以及交通信号灯类别判断当前信号灯是红色还是黄色；

步骤四：重复步骤二和步骤三，完成所有交通信号灯的检测，然后根据图像中的所有交通信号灯的位置排列信息，判断每个交通信号灯所代表的方向指示，从而得到完整的交通信号灯信息。

进一步，所述步骤一通过以下子步骤来实现：

(1.1) 在交通信号灯检测网络训练阶段，对训练数据集先使用CBAM机制序列化地在通道和空间两个维度上生成注意力特征图信息，然后再网络训练时，将原始训练集输入到卷积神经网络中提取到常规特征图，并与通过CBAM机制得到的特征图信息进行自适应特征修正，产生最后的特征图，并输入到交通信号灯检测网络中进行网络训练；

(1.2) 通过（1.1）得到训练好的交通信号灯检测网络，将待测试的包含交通信号灯的图像输入到训练好检测网络中，得到图像中所有的交通信号灯位置和类别，其中类别包括横向灯、竖向灯、单灯三种，最终输出交通信号灯区域位置信息和对应的类别信息；

进一步，所述步骤二通过以下子步骤来实现：

(2.1) 根据步骤一得到的交通信号灯位置信息，切割出每个交通信号灯区域块子图，首先将子图转为灰度图，然后计算灰度图阈值T；

(2.2) 然后使用阈值法对灰度子图进行二值化，对二值化后的图进行连通域检索，找到最大的连通域作为交通信号灯区域，并切割出来得到最终的信号灯区域子图；

(2.3) 计算信号灯区域子图在HSB模式下的H、B通道矩阵；