买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆交通职业学院;道简优行(重庆)科技有限公司;重庆金皇后新能源汽车制造有限公司

摘要：本发明涉及一种基于深度学习的交通灯识别方法，包括标注交通灯图片集并训练得到交通灯模型；增加yolov5模型的小目标识别能力；使yolov5模型实时读取相机的图像；对相机采集的图片进行滤波去噪处理；将训练好的交通灯模型中的数据集和交通灯权重文件加入改进后的yolov5模型，通过该模型从相机采集的图像中识别出交通灯的真实边界框，并输出识别结果。本发明中，采用了基于yolov5的交通灯识别方法，并通过对yolov5的改进，解决了传统识别方法识别图像速度慢，准确低的问题；并增强了对小目标的识别能力，目标识别精度高，实时性强，非常适合应用于无人驾驶技术。

主权项：1.一种基于深度学习的交通灯识别方法，其特征在于，包括以下步骤：步骤S1、获取并标注交通灯图片集，通过训练得到能够识别交通灯形状和颜色的交通灯模型；步骤S2、对yolov5模型进行改进，增加yolov5模型的小目标识别能力；对yolov5模型进行改进包括：在其原始特征提取层之后增加多尺度特征提取层和特征融合层，在其目标检测层之前增加小目标检测层，将原始特征提取层输出的特征信息分别送给多尺度特征提取层和特征融合层，所述多尺度特征提取层用于对原始特征提取层输出的特征信息进行过滤，提取出明显的特征信息；所述特征融合层用于将原始特征提取层输出的特征信息和多尺度特征提取层输出的特征信息进行融合；所述小目标检测层用于通过上采样加强小目标的细粒度特征；在yolov5模型的PANet架构中，将BottleNeckCSP模块替换为Ghostbottleneck模块，并将Ghostbottleneck模块的子模块的顺序从前至后依次设置为GhostModule1模块、depthwise模块、SEModule模块、GhostModule2模块、Identitymapping模块；以及去除GhostModule2模块的ReLU函数；步骤S3、将训练好的交通灯模型中的数据集和权重文件加入改进后的yolov5模型，得到交通灯自动识别模型，对交通灯自动识别模型进行训练，使交通灯自动识别模型先识别出交通灯边界框，再从交通灯边界框中识别出交通灯对应的ID号；步骤S4、使yolov5模型实时读取相机的图像；步骤S5、通过训练好的交通灯自动识别模型从相机采集的图像中识别出交通灯的真实边界框，并输出识别结果。

全文数据：

权利要求：

百度查询： 重庆交通职业学院 道简优行(重庆)科技有限公司 重庆金皇后新能源汽车制造有限公司 基于深度学习的交通灯识别方法