CN210836135U - 交通标志检测识别*** - Google Patents
交通标志检测识别*** Download PDFInfo
- Publication number
- CN210836135U CN210836135U CN201922342658.1U CN201922342658U CN210836135U CN 210836135 U CN210836135 U CN 210836135U CN 201922342658 U CN201922342658 U CN 201922342658U CN 210836135 U CN210836135 U CN 210836135U
- Authority
- CN
- China
- Prior art keywords
- traffic sign
- module
- traffic
- motor vehicle
- frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000013145 classification model Methods 0.000 claims abstract description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本实用新型实施例提供一种交通标志检测识别***,所述***包括:视频采集模块,用于采集机动车周边环境的视频影像,并从视频影像中逐帧提取获得图像帧;检测模块,连接视频采集模块,用于根据预先建立的交通标志检测模型对图像帧进行检测,从中确定和获取交通标志所在区域并对应生成待识别交通标志图案;分类模块,连接检测模块,用于根据预先建立的交通标志分类模型对待识别交通标志图案与进行分析判断,确定待识别交通标志图案中所包含的交通标志的类别信息并作为识别结果输出。本实施例通过检测模块和分类模块确定交通标志图案中所包含的交通标志的类别信息,可以准确检测出交通标志,供驾驶员参考,提高了机动车驾驶的安全性。
Description
技术领域
本实用新型实施例涉及机动车辅助驾驶技术领域,尤其涉及一种交通标志检测识别***。
背景技术
通常的,交通标志的检测识别在真实路面场景中,交通标志往往处在比较复杂的环境中,例如被遮挡、老化模糊、强光导致交通标志反光等,这些因素会给交通标志的检测识别带来困难。目前业界中也有很多检测***,但是其中很多检测***没有普适性较差,另外,对于小目标的交通标志的检测识别效果很差,很容易忽略或误判交通标志,因此,上述交通标志检测识别***均不能准确的检测出交通标志,给机动车驾驶员带来很多不便。
实用新型内容
本实用新型实施例所要解决的技术问题在于,本实用新型实施例提供一种交通标志检测识别***,以准确检测出交通标志,供驾驶员参考。
为了解决上述技术问题,本实用新型实施例提供如下技术方案:一种交通标志检测识别***,所述***包括:
视频采集模块,用于采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧;
检测模块,连接所述视频采集模块,用于根据预先建立的交通标志检测模型对所述图像帧进行检测,从中确定和获取交通标志所在区域并对应生成待识别交通标志图案;
分类模块,连接所述检测模块,用于根据预先建立的交通标志分类模型对所述待识别交通标志图案与进行分析判断,确定所述待识别交通标志图案中所包含的交通标志的类别信息并作为识别结果输出。
进一步的,所述视频采集模块具体包括:
车速单元,用于获取机动车当前车速;
采集单元,用于将机动车当前车速与预设的车速阈值进行比较,在当前车速大于车速阈值时采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧。
进一步的,所述检测模块具体包括:
存储单元,用于存储预先训练好的交通标志检测模型;
图像处理单元,用于调用所述交通标志检测模型对所述图像帧进行检测,确定所述图像帧中交通标志所在区域;
目标定位单元,用于获取所述交通标志所在区域并对应生成待识别交通标志图案。
进一步的,所述交通标志检测模型和所述交通标志分类模型均为基于深度学习的卷积神经网络模型。
进一步的,所述交通标志检测识别***还包括:
输出模块,连接所述分类模块,用于展示所述识别结果。
采用上述技术方案后,本实用新型实施例至少具有如下有益效果:本实用新型实施例通过视频采集模块采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧,然后分别通过检测模块采用预先建立的交通标志检测模型对所述图像帧进行检测,从图像帧中确定和获取交通标志所在区域并对应生成待识别交通标志图案,最后再通过分类模块采用交通标志分类模型对所述待识别交通标志图案与进行分析判断,确定所述待识别交通标志图案中所包含的交通标志的类别信息并作为识别结果输出,从而可以准确检测出交通标志,供驾驶员参考,提高了机动车驾驶的安全性。
附图说明
图1是本实用新型交通标志检测识别***的一个可选实施例的原理方框图。
图2是本实用新型交通标志检测识别***的一个可选实施例视频采集模块的原理方框图。
图3是本实用新型交通标志检测识别***的一个可选实施例检测模块的原理方框图。
图4是本实用新型交通标志检测识别***的又一个可选实施例的原理方框图。
图5是采用本实用新型交通标志检测识别***进行检测识别的步骤流程图。
图6是采用本实用新型交通标志检测识别***进行检测识别的步骤S1具体流程图。
图7是采用本实用新型交通标志检测识别***进行检测识别的步骤S2具体流程图。
图8是采用本实用新型交通标志检测识别***进行检测识别又一个的步骤流程图。
具体实施方式
下面结合附图和具体实施例对本申请作进一步详细说明。应当理解,以下的示意性实施例及说明仅用来解释本实用新型,并不作为对本实用新型的限定,而且,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合。
如图1所示,本实用新型实施里提供一种交通标志检测识别***,所述***包括:
视频采集模块1,用于采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧;
检测模块3,连接所述视频采集模块1,用于根据预先建立的交通标志检测模型对所述图像帧进行检测,从中确定和获取交通标志所在区域并对应生成待识别交通标志图案;
分类模块5,连接所述检测模块3,用于根据预先建立的交通标志分类模型对所述待识别交通标志图案与进行分析判断,确定所述待识别交通标志图案中所包含的交通标志的类别信息并作为识别结果输出。
本实用新型实施例通过视频采集模块1采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧,然后分别通过检测模块3采用预先建立的交通标志检测模型对所述图像帧进行检测,从图像帧中确定和获取交通标志所在区域并对应生成待识别交通标志图案,最后再通过分类模块5采用交通标志分类模型对所述待识别交通标志图案与进行分析判断,确定所述待识别交通标志图案中所包含的交通标志的类别信息并作为识别结果输出,从而可以准确检测出交通标志,供驾驶员参考,提高了机动车驾驶的安全性。在具体实施时,所述视频采集模块1可以是机动车的车载摄像头。
在本实用新型的一个可选实施例中,如图2所示,所述视频采集模块1具体包括:
车速单元10,用于获取机动车当前车速;
采集单元12,用于将机动车当前车速与预设的车速阈值进行比较,在当前车速大于车速阈值时采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧。
本实施例通过采集单元12将机动车当前车速与预设的车速阈值进行比较后,在当前车速大于车速阈值时才对应采集机动车周边环境的视频影像,可以使机动车预定车速时才进行采集;可有效根据当前车速激活检测识别***,进行机动车周边环境的视频影像采集,无需人工操作,非常的方便。
在本实用新型的一个可选实施例中,如图3所示,所述检测模块3具体包括:
存储单元30,用于存储预先训练好的交通标志检测模型;
图像处理单元32,用于调用所述交通标志检测模型对所述图像帧进行检测,确定所述图像帧中交通标志所在区域;
目标定位单元34,用于获取所述交通标志所在区域并对应生成待识别交通标志图案。
本实施例通过存储单元30预先存储交通标志检测模型,待图像处理单元32需要对图像帧进行检测时可以直接调用,提高检测效率;再通过目标定位单元34将所述交通标志所在区域对应生成待识别交通标志图案,方便进行分类处理。
在本实用新型的一个可选实施例中,所述交通标志检测模型和所述交通标志分类模型均为基于深度学习的卷积神经网络模型。本实施例交通标志检测模型和交通标志分类模型均采用基于深度学习的卷积神经网络模型,通过卷积神经网络预先大量的深度学习交通标志的形状、颜色等特征,从而生成卷积神经网络模型,可以高效的对交通标志检测和识别。
在本实用新型的一个可选实施例中,如图4所示,所述交通标志检测识别***还包括:
输出模块7,连接所述分类模块5,用于展示所述识别结果。
本实施例通过设置输出模块7,将分类模块5确定出的识别结果加以展示,方便驾驶员知晓无需驾驶员自行查阅,提高了驾驶的安全性。在具体实施时,所述输出模块7可以是采取音频播报方式进行输出的音频装置或采取视频展示方式进行输出的显示装置或者兼具音视频输出的多媒体装置等。
如图5所示,采用本实用新型实施例交通标志检测识别***对交通标志检测识别的步骤如下:
S1:采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧;
S2:根据预先建立的交通标志检测模型对所述图像帧进行检测,从中确定和获取交通标志所在区域并对应生成待识别交通标志图案;
S3:根据预先建立的交通标志分类模型对所述待识别交通标志图案与进行分析判断,确定所述待识别交通标志图案中所包含的交通标志的类别信息并作为识别结果输出。
如图6所示,所述步骤S1具体包括:
S11:获取机动车当前车速;
S12:将机动车当前车速与预设的车速阈值进行比较,在当前车速大于车速阈值时采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧。
如图7所示,所述步骤S2具体包括:
S21:存储预先训练好的交通标志检测模型;
S22:调用所述交通标志检测模型对所述图像帧进行检测,确定所述图像帧中交通标志所在区域;
S23:获取所述交通标志所在区域并对应生成待识别交通标志图案。
其中,所述交通标志检测模型和所述交通标志分类模型均为基于深度学习的卷积神经网络模型。
如图8所示,采用本实用新型实施例交通标志检测识别***对交通标志检测识别的还包括:
S4:展示所述识别结果。
上面结合附图对本实用新型的实施例进行了描述,但是本实用新型并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本实用新型的启示下,在不脱离本实用新型宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本实用新型的保护范围之内。
Claims (5)
1.一种交通标志检测识别***,其特征在于,所述***包括:
视频采集模块,用于采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧;
检测模块,连接所述视频采集模块,用于根据预先建立的交通标志检测模型对所述图像帧进行检测,从中确定和获取交通标志所在区域并对应生成待识别交通标志图案;
分类模块,连接所述检测模块,用于根据预先建立的交通标志分类模型对所述待识别交通标志图案与进行分析判断,确定所述待识别交通标志图案中所包含的交通标志的类别信息并作为识别结果输出。
2.如权利要求1所述的交通标志检测识别***,其特征在于,所述视频采集模块具体包括:
车速单元,用于获取机动车当前车速;
采集单元,用于将机动车当前车速与预设的车速阈值进行比较,在当前车速大于车速阈值时采集机动车周边环境的视频影像,并从所述视频影像中逐帧提取获得图像帧。
3.如权利要求1所述的交通标志检测识别***,其特征在于,所述检测模块具体包括:
存储单元,用于存储预先训练好的交通标志检测模型;
图像处理单元,用于调用所述交通标志检测模型对所述图像帧进行检测,确定所述图像帧中交通标志所在区域;
目标定位单元,用于获取所述交通标志所在区域并对应生成待识别交通标志图案。
4.如权利要求1所述的交通标志检测识别***,其特征在于,所述交通标志检测模型和所述交通标志分类模型均为基于深度学习的卷积神经网络模型。
5.如权利要求1所述的交通标志检测识别***,其特征在于,所述交通标志检测识别***还包括:
输出模块,连接所述分类模块,用于展示所述识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201922342658.1U CN210836135U (zh) | 2019-12-23 | 2019-12-23 | 交通标志检测识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201922342658.1U CN210836135U (zh) | 2019-12-23 | 2019-12-23 | 交通标志检测识别*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN210836135U true CN210836135U (zh) | 2020-06-23 |
Family
ID=71281558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201922342658.1U Active CN210836135U (zh) | 2019-12-23 | 2019-12-23 | 交通标志检测识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN210836135U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826544A (zh) * | 2019-12-23 | 2020-02-21 | 深圳市豪恩汽车电子装备股份有限公司 | 交通标志检测识别***及方法 |
-
2019
- 2019-12-23 CN CN201922342658.1U patent/CN210836135U/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826544A (zh) * | 2019-12-23 | 2020-02-21 | 深圳市豪恩汽车电子装备股份有限公司 | 交通标志检测识别***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110532976B (zh) | 基于机器学习和多特征融合的疲劳驾驶检测方法及*** | |
US11003931B2 (en) | Vehicle monitoring method and apparatus, processor, and image acquisition device | |
CN107392103B (zh) | 路面车道线的检测方法及装置、电子设备 | |
CN107891808B (zh) | 行车提醒方法、装置及车辆 | |
CN110826544A (zh) | 交通标志检测识别***及方法 | |
US20120128210A1 (en) | Method for Traffic Sign Recognition | |
JP2013529348A (ja) | 種々の交通標識を検出及び認識する照明不変且つロバストな装置及び方法 | |
CN104657735A (zh) | 车道线检测方法、***、车道偏离预警方法及*** | |
JP2011216051A (ja) | 信号灯識別プログラムおよび信号灯識別装置 | |
WO2019126908A1 (zh) | 图像数据处理方法、装置及设备 | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
CN105023452B (zh) | 一种多路交通信号灯信号采集的方法及装置 | |
US11482012B2 (en) | Method for driving assistance and mobile device using the method | |
US11250279B2 (en) | Generative adversarial network models for small roadway object detection | |
US9569676B2 (en) | Computer implemented system and method for extracting and recognizing alphanumeric characters from traffic signs | |
CN113044023B (zh) | 一种停车位积水识别方法及装置 | |
CN114639078A (zh) | 一种车型识别方法、装置和*** | |
CN111046741A (zh) | 车道线识别的方法和装置 | |
CN210836135U (zh) | 交通标志检测识别*** | |
US20120189161A1 (en) | Visual attention apparatus and control method based on mind awareness and display apparatus using the visual attention apparatus | |
KR101620425B1 (ko) | 주변 환경 정보를 이용한 차선 인식 시스템 및 그 방법 | |
CN114266993A (zh) | 一种基于图像的道路环境检测方法及装置 | |
CN112669615A (zh) | 一种基于摄像头的停车位检测方法和*** | |
CN113053152A (zh) | 一种车载交通标识实时显示方法及*** | |
CN102722724B (zh) | 具有目标识别功能的车载夜视***及其目标标识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |