本申請涉及圖像識別，具體涉及一種交通標識識別方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、近幾年來，隨著城市交通的日益繁忙和道路網(wǎng)絡(luò)的不斷擴展，車輛交通標識識別技術(shù)逐漸成為智能交通系統(tǒng)中的關(guān)鍵組成部分。如果駕駛員不能準確識別遠距離交通標識，如忽略停車標志、速度限制標志或轉(zhuǎn)彎標志等，可能會導(dǎo)致他們做出不正確的駕駛決策，增加發(fā)生交通事故的風(fēng)險，其錯誤行為也可能會對其他道路使用者造成危險，例如突然變道或在錯誤的地方停車可能會導(dǎo)致其他車輛的意外或交通擁堵。因此，車輛交通標識識別技術(shù)的發(fā)展對于構(gòu)建智能、安全、高效的交通系統(tǒng)具有重要意義。

2、雖然現(xiàn)有的車輛交通標識識別技術(shù)取得了一定的成果，可以進行一些近距離的交通標識識別，然而在遠距離的情況下，由于目標物體的尺寸較小，往往與背景混合在一起，也可能受到圖像模糊等問題的影響，進一步降低了識別準確性。并且傳統(tǒng)的卷積操作無法充分利用圖像中的空間信息，會導(dǎo)致匹配不準確的問題。

技術(shù)實現(xiàn)思路

1、鑒于以上所述相關(guān)技術(shù)的缺點，本申請?zhí)峁┮环N交通標識識別方法、裝置、電子設(shè)備及存儲介質(zhì)，以解決遠距離交通標識識別準確率不高的技術(shù)問題。

2、本申請?zhí)峁┝艘环N交通標識識別方法，所述交通標識識別方法包括：獲取交通標識圖像，并對所述交通標識圖像進行全局池化操作，得到全局特征信息，所述全局特征信息包括多個通道的圖像特征；將所述全局特征信息輸入通道注意力模塊中，通過計算所述全局特征信息中各個通道的注意力權(quán)重得到注意力圖像特征，所述通道注意力模塊中的濾波器大小值基于所述全局特征信息的通道數(shù)量進行自適應(yīng)調(diào)整；將所述注意力圖像特征輸入大核注意力模塊中，通過多個卷積層對所述注意力圖像特征進行深度特征提取后再拼接得到大核圖像特征，基于所述大核圖像特征和所述注意力圖像特征得到交通標識特征；對所述交通標識特征進行目標檢測得到交通標識識別結(jié)果。

3、于本申請的一實施例中，基于所述大核圖像特征和所述注意力圖像特征得到交通標識特征包括：對所述大核圖像特征中每個通道分別進行最大池化操作和平均池化操作，得到所述大核圖像特征最大池化特征和平均池化特征；根據(jù)所述大核圖像特征最大池化特征和平均池化特征得到特征權(quán)重，并基于所述注意力圖像特征和所述特征權(quán)重與每個卷積層的輸出逐個融合得到交通標識特征。

4、于本申請的一實施例中，所述交通標識識別方法還包括：將所述交通標識特征作為第一尺度特征，將所述第一尺度特征輸入所述通道注意力模塊，將所述第一尺度特征對應(yīng)的所述通道注意力模塊的輸出再輸入至大核注意力模塊中，得到第二尺度特征；將所述第二尺度特征輸入所述通道注意力模塊，將所述第二尺度特征對應(yīng)的所述通道注意力模塊的輸出再輸入至大核注意力模塊中，得到第三尺度特征；對所述第一尺度特征、所述第二尺度特征和第三尺度特征進行特征融合得到尺度融合特征；對所述尺度融合特征進行目標檢測得到交通標識識別結(jié)果。

5、于本申請的一實施例中，對所述第一尺度特征、所述第二尺度特征和第三尺度特征進行特征融合得到尺度融合特征包括：對第三尺度特征進行上采樣操作得到第三尺度上采樣特征；將所述第三尺度上采樣特征和所述第二尺度特征進行特征融合，得到融合后第二尺度特征；對所述融合后第二尺度特征進行上采樣操作得到第二尺度上采樣特征；將所述第二尺度上采樣特征和所述第一尺度特征進行特征融合，得到尺度融合特征。

6、于本申請的一實施例中，所述通道注意力模塊中的濾波器大小值基于所述全局特征信息的通道數(shù)量進行自適應(yīng)調(diào)整包括：

7、

8、其中，k為所述濾波器大小值，c為所述通道數(shù)量，η,b為預(yù)設(shè)線性映射參數(shù)。

9、于本申請的一實施例中，通過多個卷積層對所述注意力圖像特征進行深度特征提取后再拼接得到大核圖像特征包括：將一個大核卷積分解為第一小核卷積和第二小核卷積，并基于所述第一小核卷積和所述第二小核卷積分別對所述注意力圖像特征進行深度特征提取；將通過所述第一小核卷積和所述第二小核卷積提取得到的特征進行拼接，以得到所述大核圖像特征。

10、于本申請的一實施例中，基于所述大核圖像特征和所述注意力圖像特征得到交通標識特征包括：

11、

12、其中，表示所述交通標識特征，x表示所述注意力圖像特征，f(·)表示融合卷積層，表示特征權(quán)重，所述特征權(quán)重基于對所述最大池化特征和所述平均池化特征激活后得到，yi為經(jīng)過第i個卷積層后輸出的圖像特征。

13、本申請的實施例提供一種交通標識識別裝置，所述交通標識識別裝置包括：圖像輸入模塊，用于獲取交通標識圖像，并對所述交通標識圖像進行全局池化操作，得到全局特征信息，所述全局特征信息包括多個通道的圖像特征；通道注意力模塊，用于將所述全局特征信息輸入通道注意力模塊中，通過計算所述全局特征信息中各個通道的注意力權(quán)重得到注意力圖像特征，所述通道注意力模塊中的濾波器大小值基于所述全局特征信息的通道數(shù)量進行自適應(yīng)調(diào)整；大核注意力模塊，用于將所述注意力圖像特征輸入大核注意力模塊中，通過多個卷積層對所述注意力圖像特征進行深度特征提取后再拼接得到大核圖像特征，基于所述大核圖像特征和所述注意力圖像特征得到交通標識特征；標識識別模塊，用于對所述交通標識特征進行目標檢測得到交通標識識別結(jié)果。

14、本申請的實施例還提供一種電子設(shè)備，所述電子設(shè)備包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述電子設(shè)備實現(xiàn)如上述各實施例中任一所述的交通標識識別方法。

15、本申請的實施例還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，當所述計算機程序被計算機的處理器執(zhí)行時，使計算機執(zhí)行如上述各實施例中任一所述的交通標識識別方法。

16、本申請的有益效果：本申請的實施例提供了一種交通標識識別方法、裝置、電子設(shè)備及存儲介質(zhì)，該方法通過獲取交通標識圖像，并對交通標識圖像進行全局池化操作，得到全局特征信息，將全局特征信息輸入通道注意力模塊中，通過計算全局特征信息中各個通道的注意力權(quán)重得到注意力圖像特征，通道注意力模塊中的濾波器大小值基于全局特征信息的通道數(shù)量進行自適應(yīng)調(diào)整，將注意力圖像特征輸入大核注意力模塊中，通過多個卷積層對注意力圖像特征進行深度提取后再拼接得到大核圖像特征，基于大核圖像特征和注意力圖像特征得到交通標識特征，對交通標識特征進行目標檢測得到交通標識識別結(jié)果，通過自適應(yīng)調(diào)整通道數(shù)量以更好的捕捉數(shù)據(jù)中的重要特征，在基于大核注意力模塊對通道注意力模塊的輸出進行處理，在保持感受野的同時，保留更多的細節(jié)特征信息，以實現(xiàn)對遠距離交通標識的特征提取，從而防止因交通標識距離過遠導(dǎo)致識別不清的問題。

17、應(yīng)當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本申請。

技術(shù)特征：

1.一種交通標識識別方法，其特征在于，所述交通標識識別方法包括：

2.根據(jù)權(quán)利要求1所述的交通標識識別方法，其特征在于，基于所述大核圖像特征和所述注意力圖像特征得到交通標識特征包括：

3.根據(jù)權(quán)利要求1所述的交通標識識別方法，其特征在于，所述交通標識識別方法還包括：

4.根據(jù)權(quán)利要求3所述的交通標識識別方法，其特征在于，對所述第一尺度特征、所述第二尺度特征和第三尺度特征進行特征融合得到尺度融合特征包括：

5.根據(jù)權(quán)利要求1-3中任一項所述交通標識識別方法，其特征在于，所述通道注意力模塊中的濾波器大小值基于所述全局特征信息的通道數(shù)量進行自適應(yīng)調(diào)整包括：

6.根據(jù)權(quán)利要求1-3中任一項所述交通標識識別方法，其特征在于，通過多個卷積層對所述注意力圖像特征進行深度特征提取后再拼接得到大核圖像特征包括：

7.根據(jù)權(quán)利要求2中任一項所述交通標識識別方法，其特征在于，基于所述大核圖像特征和所述注意力圖像特征得到交通標識特征包括：

8.一種交通標識識別裝置，其特征在于，所述交通標識識別裝置包括：

9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，其上存儲有計算機程序，當所述計算機程序被計算機的處理器執(zhí)行時，使計算機執(zhí)行如權(quán)利要求1-7中任一項所述的交通標識識別方法。

技術(shù)總結(jié)
本申請?zhí)峁┮环N交通標識識別方法、裝置、電子設(shè)備及存儲介質(zhì)，該方法包括獲取交通標識圖像，并對交通標識圖像進行全局池化操作，得到全局特征信息，將全局特征信息輸入通道注意力模塊中，通過計算全局特征信息中各個通道的注意力權(quán)重得到注意力圖像特征，通道注意力模塊中的濾波器大小值基于全局特征信息的通道數(shù)量進行自適應(yīng)調(diào)整，將注意力圖像特征輸入大核注意力模塊中，通過多個卷積層對注意力圖像特征進行深度提取后再拼接得到大核圖像特征，基于大核圖像特征和注意力圖像特征得到交通標識特征，對交通標識特征進行目標檢測得到交通標識識別結(jié)果，通過該交通標識識別方法解決遠距離交通標識識別準確率不高的技術(shù)問題。

技術(shù)研發(fā)人員：陳詩堯,熊小鵬,文斌,楊亞俊,李嫄源,朱智勤,安翼堯,黃鑫,周志浩
受保護的技術(shù)使用者：重慶迪馬工業(yè)有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2