一种减速带识别方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111738040A(43)申请公布日2020.10.02(21)申请号201910552000.5(22)申请日2019.06.25(71)申请人北京京东尚科信息技术有限公司地址100195北京市海淀区知春路76号8层申请人北京京东世纪贸易有限公司(72)发明人刘丹(74)专利代理机构北京成创同维知识产权代理有限公司11449代理人岳丹丹(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书1页说明书6页附图6页(54)发明名称一种减速带识别方法及系统(57)摘要本发明实施例提供一种减速带识别方法及系统，涉及检测技术领域。其中方法包括：构建包括多个级联卷积层和至少2个全连接层的初始卷积神经网络；利用训练图像对初始卷积神经网络进行训练，获取目标卷积神经网络；根据目标卷积神经网络识别图像中的减速带，并获得减速带在图像中的位置信息；该初始卷积神经网络的输出维度包括是否含有减速带、减速带数量及减速带的位置。本发明可以在识别图像中是否含有减速带的同时获得减速带的位置信息，进而通过计算获得减速带与图像采集装置之间的距离。由于预先构造的初始卷积神经网络的预定义轮廓经过算法优化，可以更快收敛，使本发明提供方法及系统识别准确率更高，统计学习能力更强。CN111738040ACN111738040A权利要求书1/1页1.一种减速带识别方法，其特征在于，包括：构建包括多个级联卷积层和至少2个全连接层的初始卷积神经网络；利用训练图像对初始卷积神经网络进行训练，获取目标卷积神经网络；根据目标卷积神经网络识别图像中的减速带，并获得所述减速带在所述图像中的位置信息；其中，所述初始卷积神经网络中最后一层的类别个数为1，输出维度包括图像中是否含有减速带，减速带的数量以及减速带在图像中的位置信息。2.根据权利要求1所述的减速带识别方法，其特征在于，所述初始卷积神经网络基于YOLOV2搭建，采用K-means++算法重新计算其预定义轮廓为矩形框。3.根据权利要求1所述的减速带识别方法，其特征在于，根据所述位置信息计算与所述减速带之间的实际距离。4.根据权利要求1所述的减速带识别方法，其特征在于，所述训练图像由采集装置获取，并在数据清洗后进行标注。5.根据权利要求4所述的减速带识别方法，其特征在于，所述标注包括减速带的坐标，所述坐标由所述减速带的矩形轮廓中相对的两顶点的坐标表示。6.根据权利要求4所述的减速带识别方法，其特征在于，所述减速带的标签信息包括n个多维向量，n为所述训练图像中减速带的数量。7.根据权利要求6所述的减速带识别方法，其特征在于，所述多维向量包括所述训练图像中是否含有减速带、减速带的坐标及识别准确率。8.根据权利要求1所述的减速带识别方法，其特征在于，所述初始卷积神经网络各层依次为：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、第五卷积层、第五池化层、第一全连接层、第二全连接层以及输出层。9.一种减速带识别系统，其特征在于，包括：图像采集模块，用于进行图像采集；目标模型建立模块：用于根据所述初始卷积神经网络构建目标卷积神经网络；图像识别模块：用于对采集的图像进行识别，获取图像中减速带的标签信息；距离计算模块：根据所述减速带的标签信息，计算所述减速带与所述图像采集模块之间的距离。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被执行时实现如权利要求1至11中任一项所述的减速带识别方法。11.一种减速带识别装置，其特征在于，包括：存储器，用于存储计算机指令；处理器，耦合到所述存储器，所述处理器被配置为基于所述存储器存储的计算机指令执行实现如权利要求1至8中任一项所述的减速带识别方法。2CN111738040A说明书1/6页一种减速带识别方法及系统技术领域[0001]本发明涉及检测技术领域，具体涉及一种基于卷积神经网络的减速带识别方法及系统。背景技术[0002]车辆在行驶过程中，通过对道路中的减速带进行检测，以保证车辆提前减速，平稳通过减速带。减速带的检测已经成为车辆的环境感知的重要部分。[0003]随着技术的发展，已实现了无人车进行货物配送，但无人车在进行配送的过程中，也同样可能遇到道路中存在的减速带，从而影响无人车的行驶。在现有技术中，已有通过分类的方法识别目标路面图像中的减速带的技术方案，从而确定目标路面是否包含减速带，进而控制车辆进行减速。但该技术方案无法得出减速带在目标路面中的位置，无法获知车辆与减速带之间的距离，可能造成车辆无法及时减速或减速过早的情形，从而影响车辆的运行效率。因