车道指引标牌识别方法、装置、服务器及存储介质与流程

技术特征：
1.一种车道指引标牌识别方法，其特征在于，所述车道指引标牌识别方法包括：获取车道指引标牌的状态图像；根据预设的第一网络模型对所述状态图像进行标牌区域检测处理，得到所述车道指引标牌的区域图像；根据预设的第二网络模型对所述区域图像的字符依序进行光学字符识别，得到所述车道指引标牌的箭头信息。2.根据权利要求1所述的车道指引标牌识别方法，其特征在于，所述第二网络模型包括卷积神经网络和循环神经网络，所述根据预设的第二网络模型对所述区域图像的字符依序识别，得到所述车道指引标牌的箭头信息，包括：根据所述卷积神经网络对所述区域图像进行特征提取处理，得到所述区域图像的特征序列信息；根据所述循环神经网络和所述特征序列信息进行光学字符序列化识别，得到所述箭头信息。3.根据权利要求1所述的车道指引标牌识别方法，其特征在于，所述根据预设的第二网络模型对所述区域图像的字符依序识别，得到所述车道指引标牌的箭头信息之前，所述方法还包括：获取第一样本图像，其中，所述第一样本图像中包含第一样本标牌，所述第一样本图像标注了所述第一样本标牌的实际箭头序列信息；根据预设的识别网络模型对所述第一样本图像进行特征提取处理，得到所述第一样本图像的第一图像特征；根据所述识别网络模型和所述第一图像特征进行识别处理，得到所述第一样本标牌的箭头序列预测信息；根据所述箭头序列预测信息和所述实际箭头序列信息，更新所述识别网络模型的模型参数，直至所述识别网络模型收敛时，将所述识别网络模型作为所述第二网络模型。4.根据权利要求3所述的车道指引标牌识别方法，其特征在于，所述获取第一样本图像，包括：获取所述第一样本标牌的原始图像；对所述原始图像进行箭头提取处理，得到所述第一样本标牌的多个样本箭头图像；对所述多个样本箭头图像进行随机组合处理，得到所述第一样本标牌的扩增图像；将所述原始图像和所述扩增图像分别作为所述第一样本图像。5.根据权利要求1所述的车道指引标牌识别方法，其特征在于，所述根据预设的第一网络模型对所述状态图像进行标牌区域检测处理，得到所述车道指引标牌的区域图像之前，所述方法还包括：获取第二样本图像，其中，所述第二样本图像中包含第二样本标牌，所述第二样本图像标注了所述第二样本标牌的实际区域信息；根据预设的检测网络对所述第二样本图像进行特征提取处理，得到所述第二样本图像的第二图像特征；根据所述检测网络和所述第二图像特征进行预测处理，得到所述第二样本标牌的区域预测信息；
根据所述区域预测信息和所述实际区域信息，更新所述检测网络的模型参数，直至所述检测网络收敛时，将所述检测网络作为所述第一网络模型。6.根据权利要求1至5任一项所述的车道指引标牌识别方法，其特征在于，所述方法还包括：获取所述车道指引标牌的位置信息；根据所述箭头信息和所述位置信息，生成道路指示地图。7.根据权利要求1至5任一项所述的车道指引标牌识别方法，其特征在于，所述获取车道指引标牌的状态图像，包括：获取所述车道指引标牌的视频；将所述视频解析为多帧图像；将所述多帧图像中的每一帧图像作为所述状态图像。8.一种车道指引标牌识别装置，其特征在于，所述车道指引标牌识别装置包括：获取单元，用于获取车道指引标牌的状态图像；检测单元，用于根据预设的第一网络模型对所述状态图像进行标牌区域检测处理，得到所述车道指引标牌的区域图像；识别单元，用于根据预设的第二网络模型对所述区域图像的字符依序进行光学字符识别，得到所述车道指引标牌的箭头信息。9.一种服务器，其特征在于，所述服务器包括：一个或多个处理器；存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至8中任一项所述的车道指引标牌识别方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至8任一项所述的车道指引标牌识别方法中的步骤。

技术总结
本申请公开了一种车道指引标牌识别方法、装置、服务器及存储介质，该车道指引标牌识别方法包括：获取车道指引标牌的状态图像；根据预设的第一网络模型对所述状态图像进行标牌区域检测处理，得到所述车道指引标牌的区域图像；根据预设的第二网络模型对所述区域图像的字符依序进行光学字符识别，得到所述车道指引标牌的箭头信息。本申请实施例无需单独检测每个车道箭头，避免了车道箭头漏检的问题，在一定程度上提高了车道指引标牌的识别精度。定程度上提高了车道指引标牌的识别精度。定程度上提高了车道指引标牌的识别精度。


技术研发人员：张劲松 冯昊楠 刘钰纯
受保护的技术使用者：顺丰科技有限公司
技术研发日：2020.09.29
技术公布日：2022/4/15