本发明属于图像识别,尤其涉及一种基于人工智能的图片识别方法和系统。
背景技术:
1、基于人工智能的图片识别系统是指一种使用机器学习和深度学习等技术,对图片进行自动分析和理解的系统。通过应用基于人工智能的图片识别系统,辅助驾驶系统能够更好地感知道路环境、检测障碍物、分析路况并提供实时导航等功能。这些应用可以提升驾驶安全性、舒适性和效率,为驾驶员提供更好的驾驶体验;
2、传统的交通标识识别方法需要人工对道路图片进行分析和判断,然后查询相关的交通标识含义。这种人工操作的方式效率低下,容易出错。且驾驶者在驾驶的过程中还要分心去判断标识牌的含义,特别是部分临时设置的标识牌,极容易分心,影响驾驶安全,同时部分路障可能已经清除,道路已经可以使用,但临时设置的标识牌尚未清除,容易误导驾驶员,无法全面分析道路图片中的其他信息,如车辆信息、障碍物信息和道路损坏等信息。
技术实现思路
1、本发明的目的在于提供一种基于人工智能的图片识别方法,旨在解决背景技术中确定的现有技术存在的技术问题。
2、本发明是这样实现的,一种基于人工智能的图片识别方法,所述方法包括:
3、实时采集车辆周围的图片,获取道路信息;
4、建立包含全部交通标识信息的数据库,并对已采集的图片进行分析,识别图片中存在的有效的交通标识牌,并在数据库中检索该交通标识牌的含义;
5、获取当前道路的原始标识数据,并与采集到的交通标识牌进行对比,若采集到的交通标识牌的含义与原始标识数据不符,则对实时采集的图片进行分析,获取当前的实时路况;
6、根据实时路况的分析结果,基于所设定的目的地重新规划可行驶的路线。
7、作为本发明更进一步的方案,所述实时采集车辆周围的图片,获取道路信息,具体包括:
8、实时采集车辆周围的图片,包括车辆前侧、后侧和左右两侧,并将采集到的图片存储于图片库中;
9、对已采集的图片进行图像增强和图像去噪处理;
10、设定更新时间阈值,并当图片处于图片库中的时间超过该更新时间阈值后,将该图片进行删除,以实时更新道路图像。
11、作为本发明更进一步的方案,所述对已采集的图片进行分析,识别图片中存在的有效的交通标识牌,具体包括:
12、建立包含全部现有的交通标识信息的数据库;
13、搭建识别模型,并提取数据库中全部的交通标识进行特征识别,利用每一种类的交通标识符的形状信息、颜色信息、符号信息和纹理特征对该识别模型进行识别训练;
14、通过识别模型对采集到的图片进行检测,识别出图片中存在的标识牌;
15、获取识别出的标识牌的形状信息、颜色信息、符号信息和纹理特征,并将其与数据库中的数据进行比对,获取图片中存在的标识牌的信息。
16、作为本发明更进一步的方案,所述获取当前道路的原始标识数据,并与采集到的交通标识牌进行对比,具体包括:
17、获取车辆的当前位置,并获取该位置的原始标识信息;
18、将原始标识信息与图片中存在的标识牌信息进行比对,若比对不符,则读取图片库中的全部图片,并按序对图片中的道路信息进行读取,包括:车辆信息、障碍物信息和道路损坏信息;
19、当道路信息不存在异常,则向用户提供标识牌可能有误的反馈信息。
20、作为本发明更进一步的方案,所述根据实时路况的分析结果,基于所设定的目的地重新规划可行驶的路线,具体包括:
21、当道路信息存在异常,则在本次行驶过程中,使用图片中存在的标识牌信息取代该位置的原始标识信息,并重新对用户预设的路线进行规划;
22、替换原始的路线图,并反馈给用户。
23、本发明的另一目的在于提供一种基于人工智能的图片识别系统,所述系统包括:
24、图像采集模块,用于实时采集车辆周围的图片,获取道路信息;
25、标识识别模块,用于建立包含全部交通标识信息的数据库,并对已采集的图片进行分析,识别图片中存在的有效的交通标识牌,并在数据库中检索该交通标识牌的含义;
26、路况分析模块,用于获取当前道路的原始标识数据,并与采集到的交通标识牌进行对比,若采集到的交通标识牌的含义与原始标识数据不符,则对实时采集的图片进行分析,获取当前的实时路况;
27、路线规划模块,用于根据实时路况的分析结果,基于所设定的目的地重新规划可行驶的路线。
28、作为本发明更进一步的方案,所述图像采集模块包括:
29、图像拍摄单元,用于实时采集车辆周围的图片,包括车辆前侧、后侧和左右两侧,并将采集到的图片存储于图片库中;
30、图像预处理单元,用于对已采集的图片进行图像增强和图像去噪处理;
31、实时更新单元,用于设定更新时间阈值,并当图片处于图片库中的时间超过该更新时间阈值后,将该图片进行删除,以实时更新道路图像。
32、作为本发明更进一步的方案,所述标识识别模块包括:
33、数据库搭建单元,用于建立包含全部现有的交通标识信息的数据库;
34、模型搭建单元,用于搭建识别模型,并提取数据库中全部的交通标识进行特征识别,利用每一种类的交通标识符的形状信息、颜色信息、符号信息和纹理特征对该识别模型进行识别训练;
35、特征识别单元,用于通过识别模型对采集到的图片进行检测,识别出图片中存在的标识牌;
36、图像比对单元,用于获取识别出的标识牌的形状信息、颜色信息、符号信息和纹理特征,并将其与数据库中的数据进行比对,获取图片中存在的标识牌的信息。
37、作为本发明更进一步的方案,所述路况分析模块包括:
38、位置获取单元,用于获取车辆的当前位置,并获取该位置的原始标识信息;
39、信息对比单元,用于将原始标识信息与图片中存在的标识牌信息进行比对,若比对不符,则读取图片库中的全部图片,并按序对图片中的道路信息进行读取,包括:车辆信息、障碍物信息和道路损坏信息;
40、当道路信息不存在异常,则向用户提供标识牌可能有误的反馈信息。
41、作为本发明更进一步的方案,所述路线规划模块包括:
42、路线修改单元,用于当道路信息存在异常,则在本次行驶过程中,使用图片中存在的标识牌信息取代该位置的原始标识信息,并重新对用户预设的路线进行规划;
43、路线反馈单元,用于替换原始的路线图,并反馈给用户。
44、本发明的有益效果是:
45、本发明能够实时采集车辆周围的图片,并实时分析和处理这些图片,以获取道路信息和实时路况。相比于传统的静态图像处理方法,该系统能够提供更及时和准确的路况信息。利用图像处理和机器学习技术,能够自动识别图片中的交通标识牌,并检索其含义。相比于人工识别和查询的方式,该系统能够大大提高处理效率和准确性。
46、且不仅能够识别交通标识牌,还能够分析道路图片中的其他信息,如车辆信息、障碍物信息和道路损坏信息等。通过综合分析这些信息,可以提供更全面的路况和环境情况。同时能够根据实时路况的分析结果,重新规划可行驶的路线。相比于传统的静态路线规划方法,该系统能够根据当前道路状况和在线地图数据,动态调整路线,以提供更安全和高效的驾驶体验。