(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210815672.2 (22)申请日 2022.07.11 (71)申请人 广州北环智能交通科技有限公司 地址 510080 广东省广州市沙 太南路312号 广州北环高速公路管理中心 申请人 北京英诺艾智数据科技有限公司 (72)发明人 周南杰　陈红哲　郭泽棉　陈震　 律戬　任景岩　刘永峰　 (74)专利代理 机构 广州凯东知识产权代理有限 公司 44259 专利代理师 姚迎新 (51)Int.Cl. G06V 20/62(2022.01) G06V 20/40(2022.01) G06V 10/25(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于卷积神经网络的道路标牌自动分 类方法及系统 (57)摘要 本发明公开了一种基于卷积神经网络的道 路标牌自动分类方法及系统， 方法包括构建基于 卷积神经网络的道路标牌自动分类检测模型， 采 集待识别的道路标志牌的视频， 将所述待识别的 道路标志牌的视频作为所述道路标牌自动分类 检测模型的输入， 所述道路标牌自动分类检测模 型输出该道路标志牌的视频对应的分类结果； 通 过基于卷积神经网络构建道路标牌自动分类检 测模型， 可自动完成对不同类别道路标牌特征的 提取， 避免使用传统图像处理方法带来的前期需 要人工干预较多、 准确度低和速度慢等问题， 此 外， 通过构建道路标牌自动分类检测模型， 能够 快速对道路标牌进行分类， 有效解决了现有技术 无法对道路标牌进行分类的缺陷。 权利要求书1页 说明书5页 附图2页 CN 115116046 A 2022.09.27 CN 115116046 A 1.一种基于卷积神经网络的道路标牌自动分类方法， 其特 征在于， 具体包括以下步骤： 构建基于卷积神经网络的道路标牌自动分类检测模型， 以道路标志牌视频作为所述道 路标牌自动分类检测模型的输入， 道路标志 牌的分类结果为所述道路标牌自动分类检测模 型的输出； 采集待识别的道路标志牌的视频； 将所述待识别的道路标志牌的视频作为所述道路标牌自动分类 检测模型的输入； 所述道路标牌自动分类 检测模型输出 该道路标志牌的视频对应的分类结果。 2.根据权利要求1所述的一种基于卷积神经网络的道路标牌自动分类方法， 其特征在 于， 所述构建基于卷积神经网络的道路标牌自动分类 检测模型， 具体包括以下步骤： 获取训练样本集； 将训练样本集输入至卷积神经网络进行训练， 得到道路标牌自动分类 检测模型。 3.根据权利要求2所述的一种基于卷积神经网络的道路标牌自动分类方法， 其特征在 于， 所述获取训练样本集包括以下步骤： 从车载摄像头拍摄的道路视频中提取N幅包 含道路标志牌的视频帧图像； 对每幅视频帧图像中的不同类别的道路标志牌进行标注， 得到不同类别道路标志牌信 息的标签集； 将得到的包含不同道路标志牌信息的标签集与其一一对应的原始视频帧图像组合构 成训练样本集。 4.根据权利要求3所述的一种基于卷积神经网络的道路标牌自动分类方法， 其特征在 于， 所述不同类别的道路标志牌包括警告标牌、 指示标牌、 禁止标牌和指路标牌。 5.根据权利要求4所述的一种基于卷积神经网络的道路标牌自动分类方法， 其特征在 于， 所述卷积神经网络包括骨干网络模块和特 征检测模块。 6.根据权利要求5所述的一种基于卷积神经网络的道路标牌自动分类方法， 其特征在 于， 所述骨干网络模块包括顺次连接的特征图下采样模块、 Focus模块、 Conv模块和 GhostBlock模块。 7.根据权利要求6所述的一种基于卷积神经网络的道路标牌自动分类方法， 其特征在 于， 所述GhostBlock模块包括用于修改特征图通道数的GhostBlock_1模块和用于提取特征 和对特征图进行 下采样的GhostBl ock_2模块。 8.根据权利要求7所述的一种基于卷积神经网络的道路标牌自动分类方法， 其特征在 于， 所述特 征检测模块包括 顺次连接的Co nv模块和CS P2网络模块。 9.根据权利要求8所述的一种基于卷积神经网络的道路标牌自动分类方法， 其特征在 于， 所述构建基于卷积神经网络的道路标牌自动分类 检测模型之后， 还 包括以下步骤： 对所述道路标牌自动分类 检测模型进行迭代训练。 10.一种基于卷积神经网络的道路标牌自动分类系统， 其特征在于， 所述系统运用权利 要求1‑9中任意一种基于卷积神经网络的道路标牌自动分类方法。权　利　要　求　书 1/1 页 2 CN 115116046 A 2一种基于卷积神经 网络的道路标牌自动分类方 法及系统 技术领域 [0001]本发明涉及道 路标牌分类技术领域， 尤其涉及一种基于卷积神经网络的道 路标牌 自动分类方法及系统。 背景技术 [0002]交通标志是道路上重要的安全设施， 在规范交通行为、 保证道路安全、 引导车辆、 行人顺利通行等方面起着重要作用。 交通标志检测作为智能交通系统的一部分， 对于辅助 驾驶系统、 交通标志维护、 自动 驾驶等都具有重要意义。 运用计算机视觉系统实时识别道路 标牌信息， 完成对标牌的自动分类为可以为自动驾驶提供有用信息。 而识别道路标牌应确 定其类别， 中国的道路标志主 要分为警告、 禁令、 指路、 指示标志牌 等。 [0003]申请公布号为CN113076800A的专利文献公开了， 名称为 “一种道路标志牌检测方 法及装置 ”的专利申请， 其实现方案为： 步骤1， 车载终端配备间歇性光源和 摄像头， 使间歇 性光源和 摄像头对着道路两边,能拍摄到道路标志牌； 步骤2， 摄像头分别采集间歇周期内 明暗交替的多张道路标志牌图像； 步骤3， 对摄像头采集的图像进行帧差计算； 步骤4， 确定 图像的有效区域； 步骤5， 对图像进 行目标分割； 步骤6， 对图像进 行目标识别， 完成道路标志 牌检测。 该方法虽使得标志牌识别算法能在嵌入式车载终端设备上实时运行， 但是没有对 道路标牌进行分类， 对于实现自动驾驶方面可提供的信息 十分有限。 [0004]初秀民等人在发表的论文 “道路标志自动分类方法 ”( 《交通运输工程学报》 ,2006 (04):91‑95+111)中提出一种道路标志牌的分类方法： 首先通过图像颜色空间变换将图像 的RGB量值转换为H(色度)S(饱和度)I(亮度)量值采用Sobel算子进行道路标志图像的边缘 检测利用行扫描法进 行区域填充， 以获取二值化的道路标志图像区域提取道路标志 二值化 图像的不变矩与形状参数作为图像特征值设计BP神经网络道路标志图像几何形状 分类器， 以道路标志图像的HI为特征值设计了欧式距离分类器， 实现道路标志背景颜色的识别。 融 合道路标志图像几何形状和背 景颜色的识别算法， 并利用道路标志的分类知识和自动分类 方法， 实现道路标志图像的自动识别。 该方法采用传统图像处理方法完成对道路标牌的特 征的提取， 前期 工作人工干预较多， 且使用传统的图像处理方法， 准确率低、 速度 慢， 同时实 用性也不强。 发明内容 [0005]有鉴于此， 本发明提出一种基于卷积神经网络 的道路标牌自动分类方法及系统， 可以解决现有技 术所存在的无法对道路标牌进行分类、 准确率低和速度慢的缺陷。 [0006]本发明的技 术方案是这样实现的： [0007]一种基于卷积神经网络的道路标牌自动分类方法， 具体包括以下步骤： [0008]构建基于卷积神经网络的道 路标牌自动分类检测模型， 以道 路标志牌视频作为所 述道路标牌自动分类检测模型的输入， 道路标志 牌的分类结果为所述道路标牌自动分类检 测模型的输出；说　明　书 1/5 页 3 CN 115116046 A 3