技术特征：
1.一种道路交通标记的检测方法，其特征在于，包括：利用训练图像对res2net神经网络进行训练，将训练好的res2net神经网络作为特征提取网络；将采集的待检测道路的图像输入到所述特征提取网络，所述特征提取网络在待检测道路的图像上生成交通标记的初步的候选框；通过神经网络预测各个所述初步的候选框的得分，选出得分最高的若干候选框，并对所述若干候选框进行调整，得到各个预测框，根据各个预测框得到待检测道路的交通标记的检测结果。2.根据权利要求1所述的方法，其特征在于，所述的利用训练图像对res2net神经网络进行训练，将训练好的res2net神经网络作为特征提取网络，包括：利用res2net神经网络提取训练数据集中的图像的特征信息，根据特征信息使用区域特征提案方法预测产生多个候选框以及候选框的目标得分，候选框表示可能存在交通标志的区域的位置，目标得分表示候选框包含交通标志可能性的大小；结合候选框的目标得分信息以及与真实目标框的交并比信息得到候选框最终的预测结果得分，将候选框最终的预测结果得分按照从大到小的顺序进行排序，对选择出来的候选框进行进一步的调整，得到候选框最终的预测位置与目标类别；将调整后的若干候选框参与res2net神经网络的训练，计算若干候选框的预测损失，该预测损失包含分类损失和位置损失，选出损失最大的若干候选框再次进行res2net神经网络的调整训练，再次计算预测损失，进一步对res2net神经网络进行反向传播，进一步优化res2net神经网络的参数，经过多次迭代优化过程，得到训练好的res2net神经网络，将训练好的res2net神经网络作为特征提取网络。3.根据权利要求2所述的方法，其特征在于，所述候选框最终的预测结果得分的计算公式如下所示：s
score-iou
＝s
score
+s
iou-λ|s
score-s
iou
|其中λ是超参数，s
score
表示候选框的目标得分，s
iou
表示候选框与真实的目标框的交并比，交并比的计算方式为两个框的相交部分面积与总面积之比，s
score-iou
表示候选框最终的预测结果得分。4.根据权利要求2所述的方法，其特征在于，将目前开源的交通标志检测数据集作为训练数据集，或者，通过车载摄像头对道路情况进行实时拍摄采样，将得到的道路的图像进行存储，得到训练数据集。5.根据权利要求1至4任一项所述的方法，其特征在于，所述的特征提取网络在待检测道路的图像上生成交通标记的初步的候选框，包括：通过车载摄像头以一定时间间隔采集待检测道路的图像，将待检测道路的图像输入特征提取网络。特征提取网络在待检测道路的图像上生成交通标记的初步的候选框。6.根据权利要求5所述的方法，其特征在于，所述的通过神经网络预测各个所述初步的候选框的得分，选出得分最高的若干候选框，并对所述若干候选框进行调整，得到各个预测框，根据各个预测框得到待检测道路的交通标记的检测结果，包括：通过神经网络预测得到各个初步的候选框的得分，选出得分最高的若干候选框，并对若干候选框进行调整，得到各个预测框，将各个预测框输入到后续神经网络当中，神经网络
在输入的候选框的基础之上预测目标框的具体的位置以及类别；利用极大值抑制方法去除冗余的目标框，根据剩下的目标框得到待检测道路的交通标记的检测结果，该检测结果包括道路图像中存在交通标志的位置以及交通标志的类别，将检测结果在道路图像中进行标注，给出对应的交通标志所包含的提示信息。
技术总结
本发明提供了一种道路交通标记的检测方法。该方法包括：利用训练图像对Res2net神经网络进行训练，将训练好的Res2net神经网络作为特征提取网络；将采集的待检测道路的图像输入到所述特征提取网络，所述特征提取网络在待检测道路的图像上生成交通标记的初步的候选框；通过神经网络预测各个所述初步的候选框的得分，选出得分最高的若干候选框，并对所述若干候选框进行调整，得到各个预测框，根据各个预测框得到待检测道路的交通标记的检测结果。本发明的方法结合了比较高效的特征提取方式，高效的采样方式，以及样本后处理方式，能够准确快速地检测出交通标志所在的位置以及类别，并给出提示信息，辅助道路车辆的安全行驶。辅助道路车辆的安全行驶。辅助道路车辆的安全行驶。
技术研发人员：张瞩熹 王飞 李浥东 金一 陈乃月 曹原周汉
受保护的技术使用者：北京交通大学
技术研发日：2021.10.12
技术公布日：2022/1/11