基于深度学习的雾天交通标牌识别方法、装置、设备及存储介质

本发明属于深度学习中的目标检测领域，具体涉及一种基于深度学习的雾天交通标牌识别方法、装置、设备及存储介质。

背景技术：

1、目前我国汽车增长量逐年增高，再加上新能源的兴起和自动驾驶技术的发展，使得人们对开车的安全性要求不断提升。当出现大雾天气时，难免会影响到驾驶员的视野，或者影响了自动驾驶的系统判断，从而造成安全性问题。例如，不能及时识别交通标牌，不能观察与前车的距离，不能观测到近距离行人等等。

2、得益于深度学习的发展，可以采用深度学习的方式来解决这个问题。一般有两种解决方法：1.分离式去雾检测方法：先去雾，再将图片放入深度学习模型中检测；2.联合优化式去雾检测算法：将有雾的图片直接放入模型中训练。

技术实现思路

1、为了解决雾天环境下路面不清晰导致检测不出来标牌的问题，本发明提供了基于深度学习的雾天交通标牌识别方法、装置、设备及存储介质。

2、第一方面，本发明提供了一种基于深度学习的雾天交通标牌识别方法，包括如下步骤：

3、步骤1：将有雾的图片分成天空区域和非天空区域，分别计算两个区域的透射率；

4、步骤2：将上述两个区域的透射率融合，根据大气散射模型对图片进行去雾处理；

5、步骤3：将经过去雾处理后的图片输入efficientdet目标检测网络，从而识别得到交通标牌。

6、第二方面，本发明提供了基于深度学习的雾天交通标牌识别装置，包括：

7、透射率获取模块，用于将有雾的图片分成天空区域和非天空区域，分别计算两个区域的透射率；

8、去雾处理模块，用于将上述两个区域的透射率融合，根据大气散射模型对图片进行去雾处理；

9、识别模块，用于将经过去雾处理后的图片输入efficientdet目标检测网络，从而识别得到交通标牌。

10、第三方面，本发明提供了一种基于深度学习的雾天交通标牌识别设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述基于深度学习的雾天交通标牌识别方法。

11、第四方面，本发明提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述基于深度学习的雾天交通标牌识别方法。

12、本发明有益效果：本发明通过优化分离式去雾的两个模块，提高了在雾天情况下路牌的检测精度，使得未来的自动驾驶更加安全，更加便捷。

技术特征：

1.基于深度学习的雾天交通标牌识别方法，其特征在于：

2.根据权利要求1所述的基于深度学习的雾天交通标牌识别方法，其特征在于：步骤1中采用拉普拉斯算子区分图片中的两个区域。

3.根据权利要求1所述的基于深度学习的雾天交通标牌识别方法，其特征在于：天空区域的透射率t(x)计算如下：

4.根据权利要求1所述的基于深度学习的雾天交通标牌识别方法，其特征在于：非天空区域的透射率t′(x)计算如下：

5.根据权利要求1所述的基于深度学习的雾天交通标牌识别方法，其特征在于：步骤2中透射率融合过程中的融合系数为s1与s2的比值，其中s1表示待检测图中小于l1的像素面积；s2表示待检测图中小于l2的像素面积，l1为待检测图的整体平均亮度，l2为天空部分的平均亮度。

6.根据权利要求1所述的基于深度学习的雾天交通标牌识别方法，其特征在于：所述efficientdet目标检测网络中的bifpn层进行了改进优化，用于提高融合效率，使模型更加关注重点。

7.根据权利要求6所述的基于深度学习的雾天交通标牌识别方法，其特征在于：把输入特征和不同特征层融合后的特征再次进行跨级融合，将浅层节点的特征融合到深层节点共同学习，从而充分利用不同层的语义关系和位置信息。

8.基于深度学习的雾天交通标牌识别装置，其特征在于：包括

9.基于深度学习的雾天交通标牌识别设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述权利要求1-7任一所述的基于深度学习的雾天交通标牌识别方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的基于深度学习的雾天交通标牌识别方法。

技术总结
本发明公开了一种基于深度学习的雾天交通标牌识别方法、装置、设备及存储介质。本发明首先将有雾的图片分成天空区域和非天空区域，分别计算两个区域的透射率；然后将上述两个区域的透射率融合，根据大气散射模型对图片进行去雾处理；最后将经过去雾处理后的图片输入EfficientDet目标检测网络，从而识别得到交通标牌。本发明通过优化分离式去雾的两个模块，提高了在雾天情况下路牌的检测精度，使得未来的自动驾驶更加安全，更加便捷。

技术研发人员：魏贵义,戴卫
受保护的技术使用者：浙江工商大学
技术研发日：
技术公布日：2024/2/25