CN112257555B - 一种信息处理方法、装置、设备及存储介质 - Google Patents
一种信息处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112257555B CN112257555B CN202011123302.XA CN202011123302A CN112257555B CN 112257555 B CN112257555 B CN 112257555B CN 202011123302 A CN202011123302 A CN 202011123302A CN 112257555 B CN112257555 B CN 112257555B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- image area
- area
- mark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 24
- 239000003550 marker Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 241000283070 Equus zebra Species 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种信息处理方法、装置、设备及存储介质。其中，一种信息处理识别方法包括：获取关于目标道路的至少两帧图像；所述至少两帧图像中包括第一图像和第二图像；对第一图像进行交通标志检测，得到目标交通标志在第一图像中的第一图像区域，对第二图像进行交通标志检测，得到目标交通标志在第二图像中的第二图像区域；根据第二图像区域对第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；根据补偿处理后的第一图像区域确定目标道路的道路结构信息，目标道路的道路结构信息用于描述目标交通标志位于目标道路中的位置。采用本申请，可以提高获取目标道路的道路结构信息的准确率。
Description
技术领域
本申请涉及图像识别技术领域，尤其一种信息处理方法、装置、设备及存储介质。
背景技术
由于对目标道路进行建模得到目标道路的道路结构信息时需要识别的交通标志较多，同时各个交通标志的标志尺度跨度大，再加上目标道路的背景因素一般比较复杂，交通标志的识别率容易受背景因素的影响，而且交通标志容易被车辆、行人等移动物体遮挡。因此现有的道路建模方法对目标道路中的交通标志进行检测并建模时，容易出现检测结果出错，导致得到的道路结构信息的准确率较低。
发明内容
本申请实施例提供一种信息处理方法、装置、设备及存储介质，可以提高获取目标道路的道路结构信息的准确率。
第一方面，本申请实施例提供了一种信息处理方法，该方法包括：
获取关于目标道路的至少两帧图像；所述至少两帧图像中包括第一图像和第二图像，所述第一图像和所述第二图像中均包括目标交通标志；
对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域；
根据所述第二图像区域对所述第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；
根据所述补偿处理后的第一图像区域确定所述目标道路的道路结构信息，所述目标道路的道路结构信息用于描述所述目标交通标志位于所述目标道路中的位置。
其中，所述根据所述第二图像区域对所述第一图像区域进行补偿处理，得到补偿处理后的第一图像区域，包括：
分别获取所述第一图像区域的像素信息和所述第二图像区域的像素信息；
将所述第一图像区域的像素信息和所述第二图像区域的像素信息进行对比，得到对比结果；
根据所述对比结果从所述第二图像区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为补偿子区域；
将所述补偿子区域与所述第一图像区域进行拼接处理，得到补偿处理后的第一图像区域。
其中，所述根据所述对比结果从所述第二图像区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为所述补偿子区域，包括：
获取所述第一图像区域的区域大小；
根据所述第一图像区域的区域大小对所述第二图像区域进行划分，得到至少两个子区域；
从所述至少两个子区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为所述补偿子区域。
其中，所述第一图像区域的像素信息为所述第一图像区域的像素值，所述至少两个子区域中各个子区域的像素信息为对应子区域的像素值；
所述从所述至少两个子区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为补偿子区域，包括：
分别获取所述第一图像区域的像素值与所述至少两个子区域中各个子区域的像素值之间的差值；
从所述至少两个子区域中确定对应差值最小的子区域，作为目标子区域；
将所述至少两个子区域中除所述目标子区域以外的子区域，作为所述补偿子区域。
其中，所述对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域，包括：
获取所述目标交通标志对应的目标特征信息；
获取所述第一图像中的第一候选标志对应的第一特征信息，以及获取所述第二图像中的第二候选标志对应的第二特征信息；
若所述第一特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第一候选标志确定为所述目标交通标志，并将所述第一候选标志位于所述第一图像中的区域确定为所述第一图像区域；
若所述第二特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第二候选标志确定为所述目标交通标志，并将所述第二候选标志位于所述第二图像中的区域确定为所述第二图像区域。
其中，所述获取所述第一图像中的第一候选标志对应的第一特征信息，以及获取所述第二图像中的第二候选标志对应的第二特征信息，包括：
获取所述第一候选标志对应的标志尺寸，以及获取所述第二候选标志对应的标志尺寸；
根据所述第一候选标志对应的标志尺寸，从识别方式库中确定用于对所述第一候选标志进行识别的识别方式；
根据所述第二候选标志对应的标志尺寸，从所述识别方式库中确定用于对所述第二候选标志进行识别的识别方式；
根据所述第一候选标志对应的识别方式，对所述第一候选标志进行识别，获得所述第一候选标志对应的第一特征信息，以及根据所述第二候选标志对应的识别方式，对所述第二候选标志进行识别，获得所述第二候选标志对应的第二特征信息。
其中，所述根据所述补偿处理后的第一图像区域确定所述目标道路的道路结构信息，包括：
获取所述补偿处理后的第一图像区域中目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息；
根据所述目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息，进行道路建模，获得所述目标道路的道路结构信息。
第二方面，本申请实施例提供了一种信息处理装置，该装置包括:
获取模块，用于获取关于目标道路的至少两帧图像；所述至少两帧图像中包括第一图像和第二图像，所述第一图像和所述第二图像中均包括目标交通标志；
检测模块，用于对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域；
补偿处理模块，用于根据所述第二图像区域对所述第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；
确定模块，用于根据所述补偿处理后的第一图像区域确定所述目标道路的道路结构信息，所述目标道路的道路结构信息用于描述所述目标交通标志位于所述目标道路中的位置。
其中，上述补偿处理模块包括：
第一获取单元，用于分别获取所述第一图像区域的像素信息和所述第二图像区域的像素信息；
对比单元，用于将所述第一图像区域的像素信息和所述第二图像区域的像素信息进行对比，得到对比结果；
第一确定单元，用于根据所述对比结果从所述第二图像区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为补偿子区域；
拼接处理单元，用于将所述补偿子区域与所述第一图像区域进行拼接处理，得到补偿处理后的第一图像区域。
其中，上述第一确定单元具体用于：
获取所述第一图像区域的区域大小；
根据所述第一图像区域的区域大小对所述第二图像区域进行划分，得到至少两个子区域；
从所述至少两个子区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为所述补偿子区域。
其中，所述第一图像区域的像素信息为所述第一图像区域的像素值，所述至少两个子区域中各个子区域的像素信息为对应子区域的像素值；
上述第一确定单元具体用于：
分别获取所述第一图像区域的像素值与所述至少两个子区域中各个子区域的像素值之间的差值；
从所述至少两个子区域中确定对应差值最小的子区域，作为目标子区域；
将所述至少两个子区域中除所述目标子区域以外的子区域，作为所述补偿子区域。
其中，上述检测模块包括：
第二获取单元，用于获取所述目标交通标志对应的目标特征信息；
第三获取单元，用于获取所述第一图像中的第一候选标志对应的第一特征信息，以及获取所述第二图像中的第二候选标志对应的第二特征信息；
第二确定单元，用于若所述第一特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第一候选标志确定为所述目标交通标志，并将所述第一候选标志位于所述第一图像中的区域确定为所述第一图像区域；
第三确定单元，用于若所述第二特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第二候选标志确定为所述目标交通标志，并将所述第二候选标志位于所述第二图像中的区域确定为所述第二图像区域。
其中，上述第三获取单元具体用于：
获取所述第一候选标志对应的标志尺寸，以及获取所述第二候选标志对应的标志尺寸；
根据所述第一候选标志对应的标志尺寸，从识别方式库中确定用于对所述第一候选标志进行识别的识别方式；
根据所述第二候选标志对应的标志尺寸，从所述识别方式库中确定用于对所述第二候选标志进行识别的识别方式；
根据所述第一候选标志对应的识别方式，对所述第一候选标志进行识别，获得所述第一候选标志对应的第一特征信息，以及根据所述第二候选标志对应的识别方式，对所述第二候选标志进行识别，获得所述第二候选标志对应的第二特征信息。
其中，上述确定模块包括：
第四获取单元，用于获取所述补偿处理后的第一图像区域中目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息；
道路建模单元，用于根据所述目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息，进行道路建模，获得所述目标道路的道路结构信息。
第三方面，本申请实施例提供了一种电子设备，该设备包括:处理器，适于实现一条或一条以上指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由所述处理器加载并执行如下步骤：
获取关于目标道路的至少两帧图像；所述至少两帧图像中包括第一图像和第二图像，所述第一图像和所述第二图像中均包括目标交通标志；
对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域；
根据所述第二图像区域对所述第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；
根据所述补偿处理后的第一图像区域确定所述目标道路的道路结构信息，所述目标道路的道路结构信息用于描述所述目标交通标志位于所述目标道路中的位置。
第四方面，本申请实施例提供了一种计算机可读存储介质，包括：所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由处理器加载并执行如下步骤：
获取关于目标道路的至少两帧图像；所述至少两帧图像中包括第一图像和第二图像，所述第一图像和所述第二图像中均包括目标交通标志；
对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域；
根据所述第二图像区域对所述第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；
根据所述补偿处理后的第一图像区域确定所述目标道路的道路结构信息，所述目标道路的道路结构信息用于描述所述目标交通标志位于所述目标道路中的位置。
本申请中，通过获取关于目标道路的至少两帧图像，该至少两帧图像中包括第一图像和第二图像，第一图像和第二图像中均包括目标交通标志。对第一图像进行交通标志检测，得到目标交通标志在第一图像中的第一图像区域，对第二图像进行交通标志检测，得到目标交通标志在第二图像中的第二图像区域；根据第二图像区域对第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；根据补偿处理后的第一图像区域确定目标道路的道路结构信息。采用本方案，通过根据第二图像区域对第一图像区域进行补偿处理，可以减少因遮挡导致目标交通标志不完整的情况，使目标交通标志更加完整且更加准确，提高获取目标道路的道路结构信息的准确率。同时本方案是根据关于目标道路的至少两帧图像对目标道路进行建模，可以一定程度上减少一些图像的误判结果导致道路结构信息不准确，可以使道路结构信息更加准确。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种信息处理方法的流程示意图；
图2是本申请实施例提供的一种得到补偿处理后的第一图像区域方法的示意图；
图3是本申请实施例提供的一种进行道路建模方法的示意图；
图4是本申请实施例提供的另一种信息处理方法的流程示意图；
图5是本申请实施例提供的一种信息处理装置的结构示意图；
图6是本申请另一实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参见图1，为本申请实施例提供的一种信息处理方法的流程示意图，本申请实施例由电子设备来执行，该一种信息处理方法包括步骤S101～S104。
S101，获取关于目标道路的至少两帧图像；该至少两帧图像中包括第一图像和第二图像，第一图像和第二图像中均包括目标交通标志。
可以通过摄像模块对目标道路进行摄像，获得关于目标道路的至少两帧图像，摄像模块并将该关于目标道路的至少两帧图像发送至本实施例中的电子设备。本实施例中的电子设备可以接收摄像模块所发送的至少两帧图像，从而获得关于目标道路的至少两帧图像。例如，可以通过车辆中的行车记录仪对目标道路进行拍摄，获得关于目标道路的至少两帧图像。关于目标道路的至少两帧图像中包括第一图像和第二图像，第二图像的拍摄时间晚于第一图像，并且第一图像和第二图像中均包括目标交通标志。例如，按照每1ms的时间间隔对目标道路进行拍摄，则第一图像可以是指第1ms所拍摄得到的图像，第二图像可以是指第3ms所拍摄得到图像，即第二图像为第一图像的后一帧图像。其中，目标交通标志是指车道线、导向线、斑马线、交通信号灯以及交通标志牌等用于指示道路结构的信息。其中，可以根据至少两帧图像中每帧图像对应的时间戳，对每帧图像进行交通标志检测，确定至少两帧图像中存在目标交通标志的图像。
S102，对第一图像进行交通标志检测，得到目标交通标志在第一图像中的第一图像区域，对第二图像进行交通标志检测，得到目标交通标志在第二图像中的第二图像区域。
其中，可以提取出第一图像中的像素信息，根据第一图像中的像素信息对第一图像进行交通标志检测，得到目标交通标志在第一图像中的第一图像区域。具体的，可以从第一图像中的像素信息确定目标交通标志的像素，根据第一图像中目标交通标志的像素确定第一图像中目标交通标志的形状特征，以及目标交通标志位于第一图像中的位置信息。根据目标交通标志的形状特征，以及目标交通标志位于第一图像中的位置信息，确定目标交通标志在第一图像中的第一图像区域。同样的，可以提取出第二图像中的像素信息，从第二图像中的像素信息中提取出目标交通标志的像素，并根据第二图像中目标交通标志的像素确定第二图像中目标交通标志的形状特征，以及目标交通标志位于第二图像中的位置信息。根据第二图像中目标交通标志的形状特征，以及目标交通标志位于第二图像中的位置信息，便可以获得目标交通标志在第二图像中的第二图像区域。
S103，根据第二图像区域对第一图像区域进行补偿处理，得到补偿处理后的第一图像区域。
获取第一图像对应的第一图像区域以及第二图像对应的第二图像区域后，根据第二图像对应的第二图像区域对第一图像对应的第一图像区域进行补偿处理。由于第二图像的拍摄时间晚于第一图像，且第二图像为第一图像的下一帧图像，因此，第二图像中的目标交通标志的形状相对于第一图像中的目标交通标志的形状可能有一部分是不一样的。根据第二图像对应的第二图像区域对第一图像对应的第一图像区域进行补偿处理，可以将第二图像中目标交通标志与第一图像目标交通标志不一样的部分补偿至第一图像中的目标交通标志，可以使目标交通标志更加完整，避免因单帧图像中目标交通标志被遮挡而使目标交通标志不完整，可以提高目标道路的道路结构信息的准确率。
如图2所示，为本申请实施例提供的一种得到补偿处理后的第一图像区域方法的示意图，如图2所示，该一种到补偿处理后的第一图像区域方法的步骤包括S21-S24。
S21，分别获取第一图像区域的像素信息和第二图像区域的像素信息。
S22，将第一图像区域的像素信息和第二图像区域的像素信息进行对比，得到对比结果。
S23，根据对比结果从第二图像区域中确定像素信息与第一图像区域的像素信息不同的子区域，作为补偿子区域。
S24，将补偿子区域与第一图像区域进行拼接处理，得到补偿处理后的第一图像区域。
可以获取第一图像区域中的像素信息和第二图像区域中的像素信息，并将第一图像区域中的像素信息与第二图像区域中的像素信息进行对比，获得对比结果。然后根据该对比结果，从第二图像中确定像素信息与第一图像区域中像素信息不同的子区域，作为补偿子区域。然后将补偿子区域与第一图像进行拼接处理，获得补偿处理后的第一图像。其中，将补偿子区域与第一图像区域进行拼接处理时，便将补偿子区域中的目标交通标志与第一图像区域中目标交通标志进行拼接处理，可以使目标交通标志的形状更加完整，使根据补偿处理后的第一图像区域得到目标道路的道路结构信息更加准确。
可选的，获取第一图像区域的区域大小，根据第一图像区域的区域大小对第二图像区域进行划分，得到至少两个子区域；从至少两个子区域中确定像素信息与第一图像区域的像素信息不同的子区域，作为补偿子区域。
可以获取第一图像区域的区域大小，根据第一图像区域的区域大小对第二图像区域进行划分，得到至少两个子区域。其中，可以根据第一图像区域的区域大小确定对第二区域进行划分的划分框，该划分框的框大小小于第一图像区域的区域大小。根据该划分框对第二图像区域进行划分，获得至少两个子区域，从该至少两个子区域中确定像素信息与第一图像区域的像素信息不同的子区域，作为补偿子区域。
可选的，第一图像区域的像素信息为第一图像区域的像素值，至少两个子区域中各个子区域的像素信息为对应子区域的像素值。可以分别获取第一图像区域的像素值与至少两个子区域中各个子区域的像素值之间的差值，从至少两个子区域中确定对应差值最小的子区域，作为目标子区域。将至少两个子区域中除目标子区域以外的子区域，作为补偿子区域。
其中，第一图像区域的像素信息为第一图像区域的像素值，将第二图像区域划分为至少两个子区域后，至少两个子区域中各个子区域的像素信息为对应子区域的像素值。计算第一图像区域的像素值与至少两个子区域中各子区域的像素值之间的差值，从至少两个子区域中确定对应差值最小的子区域，作为目标子区域。当子区域的像素值与第一图像区域的像素值之间的差值最小时，说明该子区域与第一图像区域最相似。并将至少两个子区域中除目标子区域以外的子区域，作为补偿子区域。
可选的，可以设置一个可以移动且可以调节框大小的划分框，将该划分框在第二图像区域中移动和调整，并获取该划分框中的像素值，计算该划分框的像素值与第一图像区域的像素值之间的差值。划分框在第二图像区域中移动和调整框大小一次，便获取移动和调整后的划分框的像素值，并计算该划分框的像素值与第一图像区域的像素值之间的差值。获取划分框的像素值与第一图像区域的像素值之间的差值最小时，划分框位于第二图像区域中的区域，将该划分框位于第二图像区域中的区域确定为补偿子区域。将第二图像中除划分框所在区域以外的其他区域作为补偿子区域。
可选的，可以采用目标检测模型对第一图像以及第二图像中的目标交通标志进行检测，并分割获得目标交通标志在第一图像中的第一图像区域。其中，目标检测模型可以是Mask-RCNN、Faster R-CNN、SSD和YOLO等等，Mask-RCNN、Faster R-CNN、SSD和YOLO均为目标检测模型，可以对各个目标进行分类并使用边界框对每个目标进行定位，获得目标交通标志在第一图像中的第一图像区域。具体的可以采用Mask-RCNN目标检测模型对第一图像以及第二图像进行交通标志检测，分割获得目标交通标志在第一图像中的第一图像区域。
Mask-RCNN目标检测模型是一个联合检测和分割的多任务网络，由基本的特征提取部分和检测部分组成。特征提取部分用于对关于目标道路的至少两帧图像进行特征提取，确定该至少两帧图像中每帧图像是否存在目标交通标志，且识别出目标交通标志的类别以及目标交通标志位于图像中的位置信息，第一图像以及第二图像属于关于目标道路的至少两帧图像。其中，可以采用ResNet-50作为特征提取部分的主干网络。检测部分包括检测分支和分割分支，检测分支输出存在目标交通标志的第一图像区域以及第二图像区域，第一图像区域中包括目标交通标志的标志类别以及目标交通标志位于第一图像中的位置信息，第二图像区域中也包括目标交通标志的标志类别以及目标交通标志位于第二图像区域中的位置信息。分割分支对第一图像区域以及第二图像区域中的目标交通标志进行掩码(mark),掩码是指对目标交通标志进行编码，将目标交通标志与其他标志区分，以便后续对多个目标交通标志进行道路建模时，对多个目标交通标志进行区分。如若目标交通标志为导向线时，可以采用一种像素对该导向线进行掩码，若目标交通标志为斑马线时，则采用另一种像素对斑马线进行掩码，以使根据导向线以及斑马线对目标道路进行道路建模时，对导向线以及斑马线进行区分，即对目标交通标志进行掩码是指对目标交通标志进行分类。其中，分割分支采用的是全卷积层，而检测分支可以采用3×3卷积以及全连接层。
获取第一图像区域以及第二图像区域中目标交通标志的掩码后，可以采用帧间相似度算法，获得补偿子区域。具体的，帧间相似度算法可以是SAD算法、帧间差分法、背景差分法，ViBe算法，以及ViBe+算法等等。如可以用基于区域的局部匹配准则SAD算法获得补偿子区域。首先构造一个小窗口，类似于卷积核，用该窗口覆盖第一图像区域中目标交通标志的掩码区域，同时用该窗口在第二图像区域中目标交通标志的掩码区域中滑动选取补偿子区域。然后用第一图像区域中的窗口区域的像素值减去第二图像区域中的窗口区域的像素值，并对应像素差值的绝对值；找到对应像素差值的绝对值最小时第二图像区域中窗口在第二图像区域中的区域，作为补偿子区域。然后在第一图像区域中目标交通标志的掩码的基础上，将第二图像区域中目标交通标志的掩码多出的部分对第一图像区域中的目标交通标志进行补充和延伸，从而完成对道路结构的建模。
S104，根据补偿处理后的第一图像区域确定目标道路的道路结构信息，目标道路的道路结构信息用于描述目标交通标志位于目标道路中的位置。
其中，目标道路的道路结构信息用于描述目标交通标志位于目标道路中的位置，根据第二图像对应的第二图像区域对第一图像对应的第一图像区域进行补偿处理时，可以根据第二图像区域中目标交通标志对第一图像区域中目标交通标志进行补偿处理，将第二图像区域中目标交通标志与第一图像区域中目标交通标志不同的部分补偿至第一图像区域的目标交通标志中，以此可以增加第一图像区域中目标交通标志的完整性。根据第二图像对应的第二图像区域对第一图像对应的第一图像区域进行补偿处理，得到补偿处理后的第一图像区域，根据该补偿处理后的第一图像区域确定目标道路的道路结构信息，可以提高道路结构信息的准确率。
可选的，获取第一图像区域中目标交通标志的标志类别，以及目标交通标志位于补偿处理后的第一图像区域中的位置信息；根据目标交通标志的标志类别，以及目标交通标志位于补偿处理后的第一图像区域中的位置信息，进行道路建模，获得目标道路的道路结构信息。
可以获取补偿处理后的第一图像区域中目标交通标志的标志类别，以及目标交通标志位于补偿处理后的第一图像区域中的位置信息。根据补偿处理后的第一图像区域中目标交通标志的标志类别，以及目标交通标志位于补偿处理后的第一图像区域中的位置信息，进行信息处理。可以用简化后的图案表示目标交通标志，以此可以使道路建模更加简便，例如可以用三角形表示导向线，用圆形表示交通信号灯等等。以此根据关于目标道路的至少两帧图像每帧图像的时间戳(图像的拍摄时间)，对每帧图像进行交通标志检测，获得每帧图像中目标交通标志位于该帧图像中的图像区域，根据每帧图像中目标交通标志所在的图像区域确定目标道路的道路结构信息。
如图3所示，为本申请实施例提供的一种进行道路建模方法的示意图，如图3所示，可以根据车辆中设置的摄像模块对目标道路进行拍摄，获得一段时间内的关于目标道路的至少两帧图像。根据至少两帧图像中每帧图像的时间戳(即每帧图像的拍摄时间)，采用神经网络对每帧图像进行交通标志检测，获得每帧图像对应的识别结果，即每帧图像中目标交通标志在对应图像的目标图像区域。每帧图像中目标交通标志所在的目标图像区域中包括目标交通标志的标志类别，以及目标交通标志在目标图像区域中的位置信息。根据每帧图像对应的图像区域中的目标交通标志进行帧间匹配，对目标道路进行道路建模，获得一段时间内连续的道路结构信息。同时在目标道路的道路结构信息中记录每帧图像的时间戳，如图4所示，当根据第二图像区域中的目标交通标志对第一图像区域中的目标交通标志进行补偿处理时，可以将第二图像对应的时间戳添加至道路结构信息中。同时，当检测到交通信号灯也可以记录下每个时间刻时对应交通信号灯的状态信息。其中，可以用0表示交通信号灯处于红灯状态，用1表示交通信号灯处于路灯状态。其中，可以用三角形表示导向线，圆形表示检测到的交通信号灯，其中信号灯的颜色状态会随着时间信息而改变，因此也记录了每一个信号灯对应所观测时间戳内的状态信息。得到的目标道路的道路结构信息是综合一定时间内所有视频帧的检测结果进行建模，因此可以一定程度上减少中间过程的个别误判结果，所得到的道路结构信息更加准确。得到目标道路的道路信息结构信息后就可以根据车辆行驶时对应的时间戳的道路结构化信息，从而判断车辆是否产生违法行为。
本申请中，通过获取关于目标道路的至少两帧图像，该至少两帧图像中包括第一图像和第二图像，第一图像和第二图像中均包括目标交通标志。对第一图像进行交通标志检测，得到目标交通标志在第一图像中的第一图像区域，对第二图像进行交通标志检测，得到目标交通标志在第二图像中的第二图像区域；根据第二图像区域对第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；根据补偿处理后的第一图像区域确定目标道路的道路结构信息。采用本方案，通过根据第二图像区域对第一图像区域进行补偿处理，可以减少因遮挡导致目标交通标志不完整的情况，使目标交通标志更加完整且更加准确，提高获取目标道路的道路结构信息的准确率。同时是根据关于目标道路的至少两帧图像对目标道路进行建模，可以一定程度上减少一些图像的误判结果导致道路结构信息不准确可以使道路结构信息更加准确。
如图4所示，为本实施例提供的另一种信息处理方法的流程示意图，如图4所示，该另一种信息处理方法的流程示意图包括步骤S201-S207。
S201，获取关于目标道路的至少两帧图像；该至少两帧图像中包括第一图像和第二图像，第一图像和第二图像中均包括目标交通标志。
S202，获取目标交通标志对应的目标特征信息。
获得关于目标道路的至少两帧图像后，该至少两帧图像中包括第一图像和第二图像，第一图像和第二图像中均包括目标交通标志，第二图像的拍摄时间晚于第一图像的拍摄时间。可以获取目标交通标志的目标特征信息，该目标交通标志的特征信息包括该目标交通标志的形状特征，以及该目标交通标志的像素信息。其中，目标交通标志的像素信息包括目标交通标志的颜色信息。
S203，获取第一图像中的第一候选标志对应的第一特征信息，以及获取第二图像中的第二候选标志对应的第二特征信息。
同样的，可以获取第一图像中的第一候选标志对应的第一特征信息，以及获取第二图像中的第二候选标志对应的第二特征信息，以便根据第一特征信息以及第二特征信息，与目标交通标志的目标特征信息进行匹配，确定第一图像以及第二图像中的目标交通标识。
可选的，可以获取第一候选标志对应的标志尺寸，以及获取第二候选标志对应的标志尺寸。根据第一候选标志对应的标志尺寸，从识别方式库中确定用于对第一候选标志进行识别的识别方式。根据第二候选标志对应的标志尺寸，从识别方式库中确定用于对第二候选标志进行识别的识别方式。根据第一候选标志对应的识别方式，对第一候选标志进行识别，获得第一候选标志对应的第一特征信息，以及根据第二候选标志对应的识别方式，对第二候选标志进行识别，获得第二候选标志对应的第二特征信息。
在获取第一图像中的第一候选标志对应的第一特征信息，以及获取第二图像中的第二候选标志对应的第二特征信息时，可以获取第一候选标志对应的标志尺寸，以及获取第二候选标志对应的标志尺寸。由于存在候选标志的标志尺寸跨度大的问题，标志尺寸较大的候选标志需要感受野较大的识别方式，标志尺寸较小的候选标志需要分辨率较大的识别方式，因此用同一种识别方式对标志尺寸较小以及标志尺寸较大的候选标志进行识别时，可能会存在识别不准确的情况。因此可以根据第一候选标志对应的标志尺寸，从识别方式库中确定用于对第一候选标志进行识别的识别方式。根据第二候选标志对应的标志尺寸，从识别方式库中确定用于对第二候选标志进行识别的识别方式。识别方式库中包括标志尺寸与识别方式之间的对应关系，候选标志的标志尺寸越大，便可以采用神经网络中高层识别网络对候选标志进行识别；候选标志的标志尺寸越小，便可以采用神经网络中低层识别网络对候选标志进行识别。高层识别网络的感受视野比较大，语义信息表征能力强，但是特征图的分辨率低，几何信息的表征能力弱(空间几何特征细节缺乏)，因此可以采用神经网络中的高层识别网络对标志尺寸较大的候选标志进行识别；低层网络的感受野比较小，几何细节信息表征能力强，虽然分辨率高，但是语义信息表征能力弱，因此可以采用神经网络中低层识别网络对标志尺寸较小的候选标志进行识别，高层识别网络的分辨率较低不能准确的识别出标志尺寸较小的候选标志。根据第一候选标志对应的识别方式，对第一候选标志进行识别，获得第一候选标志对应的第一特征信息，以及根据第二候选标志对应的识别方式，对第二候选标志进行识别，获得第二候选标志对应的第二特征信息。
例如，可以利用金字塔结构(Feature Pyramid Network，FPN)可以解决目标尺度跨度大的问题，金字塔结构中包括采用多个层级的识别网络，如2×、4×、8×、16×、32×。其中，2×、4×、8×层级属于低层识别网络，分辨率较高但感受野较小，可以用于识别标志尺寸较小的候选标志，如交通信号灯的状态信息(变红状态或者变绿状态)。但4×层级分辨率低于2×层级，4×层级的感受野大于2×层级，6×层级分辨率低于4×层级，6×层级的感受野大于4×层级。16×、32×层级属于高层识别网络，分辨率较低但感受野较大，可以用于识别标志尺寸较大的候选标志，如斑马线、导向线等等。同样的，32×层级分辨率低于16×层级，32×层级的感受野大于16×层级，随着层级的升高，分辨率减低，但感受野变大。具体的，若候选标志的标志尺寸属于第一阈值范围，则将第一识别方式作为对候选识别的识别方式，第一识别方式为低层识别网络，分辨率较高，第一识别方式可以为2×、4×、8×层级的中的任意一个层级的识别网络。若候选标志的标志尺寸属于第二阈值范围，则将第二识别方式作为对候选识别的识别方式，第二识别方式为高层识别网络，感受野较大，第二识别方式可以为16×、32×层级的中的任意一个层级的识别网络。同时，为了使对候选标志进行识别后获得的特征信息更准确，可以采用多个层级的识别网络对候选标志进行识别，获得多个层级识别得到的特征信息，在对该多个层级识别得到的特征信息进行融合，可以增加候选标志的特征信息的准确性。
S204，若第一特征信息与目标交通标志对应的目标特征信息匹配，则将第一候选标志确定为目标交通标志，并将第一候选标志位于第一图像中的区域确定为第一图像区域。
S205，若第二特征信息与目标交通标志对应的目标特征信息匹配，则将第二候选标志确定为目标交通标志，并将第二候选标志位于第二图像中的区域确定为第二图像区域。
若第一特征信息与目标交通标志对应的目标特征信息匹配，则将第一候选标志确定为目标交通标志，并将第一候选标志位于第一图像中的区域确定为第一图像区域。如第一候选标志对应的第一特征信息中形状特征信息与目标特征信息中的形状特征信息匹配，以及第一特征信息中的像素信息与目标特征信息中像素信息匹配(如颜色相同)，则可以将第一候选标志确定目标交通标志，并将第一候选标志位于第一图像区域中的区域确定为第一图像区域。同样的，若第二特征信息与目标交通标志对应的目标特征信息匹配，则将第二候选标志确定为目标交通标志，并将第二候选标志位于第二图像中的区域确定为第二图像区域。
S206，根据第二图像区域对第一图像区域进行补偿处理，得到补偿处理后的第一图像区域。
S207，根据补偿处理后的第一图像区域确定目标道路的道路结构信息，目标道路的道路结构信息用于描述目标交通标志位于所述目标道路中的位置。
本申请实施例中步骤S206～S207的内容可以参看图1实施例所阐述的具体内容，本申请实施例在此不再累述。
本申请中，通过获取关于目标道路的至少两帧图像，该至少两帧图像中包括第一图像和第二图像，第一图像和第二图像中均包括目标交通标志。对第一图像进行交通标志检测，得到目标交通标志在第一图像中的第一图像区域，对第二图像进行交通标志检测，得到目标交通标志在第二图像中的第二图像区域，对第一图像以及第二图像进行交通标志检测时，会根据第一图像以及第二图像中标志的标志尺寸确定识别方式，以此可以增加对第一图像以及第二图像中目标交通标志检测的准确率。根据第二图像区域对第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；根据补偿处理后的第一图像区域确定目标道路的道路结构信息。采用本方案，通过根据第二图像区域对第一图像区域进行补偿处理，可以减少因遮挡导致目标交通标志不完整的情况，使目标交通标志更加完整且更加准确，提高目标道路的道路结构信息的准确率。同时是根据关于目标道路的至少两帧图像对目标道路进行建模，可以一定程度上减少一些图像的误判结果导致道路结构信息不准确可以使道路结构信息更加准确。
请参见图5，是本申请实施例提供的一种信息处理装置的结构示意图，本申请实施例的所述装置可以在上述提及的电子设备中。本实施例中，该信息处理装置包括以：
获取模块11，用于获取关于目标道路的至少两帧图像；所述至少两帧图像中包括第一图像和第二图像，所述第一图像和所述第二图像中均包括目标交通标志；
检测模块12，用于对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域；
其中，上述检测模块12包括：第二获取单元、第三获取单元、第二确定单元、第三确定单元。
第二获取单元，用于获取所述目标交通标志对应的目标特征信息；
第三获取单元，用于获取所述第一图像中的第一候选标志对应的第一特征信息，以及获取所述第二图像中的第二候选标志对应的第二特征信息；
第二确定单元，用于若所述第一特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第一候选标志确定为所述目标交通标志，并将所述第一候选标志位于所述第一图像中的区域确定为所述第一图像区域；
第三确定单元，用于若所述第二特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第二候选标志确定为所述目标交通标志，并将所述第二候选标志位于所述第二图像中的区域确定为所述第二图像区域。
其中，上述第三获取单元具体用于：
获取所述第一候选标志对应的标志尺寸，以及获取所述第二候选标志对应的标志尺寸；
根据所述第一候选标志对应的标志尺寸，从识别方式库中确定用于对所述第一候选标志进行识别的识别方式；
根据所述第二候选标志对应的标志尺寸，从所述识别方式库中确定用于对所述第二候选标志进行识别的识别方式；
根据所述第一候选标志对应的识别方式，对所述第一候选标志进行识别，获得所述第一候选标志对应的第一特征信息，以及根据所述第二候选标志对应的识别方式，对所述第二候选标志进行识别，获得所述第二候选标志对应的第二特征信息。
补偿处理模块13，用于根据所述第二图像区域对所述第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；
其中，上述补偿处理模块13包括：第一获取单元、对比单元、第一确定单元、拼接处理单元。
第一获取单元，用于分别获取所述第一图像区域的像素信息和所述第二图像区域的像素信息；
对比单元，用于将所述第一图像区域的像素信息和所述第二图像区域的像素信息进行对比，得到对比结果；
第一确定单元，用于根据所述对比结果从所述第二图像区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为补偿子区域；
拼接处理单元，用于将所述补偿子区域与所述第一图像区域进行拼接处理，得到补偿处理后的第一图像区域。
其中，上述第一确定单元具体用于：
获取所述第一图像区域的区域大小；
根据所述第一图像区域的区域大小对所述第二图像区域进行划分，得到至少两个子区域；
从所述至少两个子区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为所述补偿子区域。
其中，所述第一图像区域的像素信息为所述第一图像区域的像素值，所述至少两个子区域中各个子区域的像素信息为对应子区域的像素值；
上述第一确定单元具体用于：
分别获取所述第一图像区域的像素值与所述至少两个子区域中各个子区域的像素值之间的差值；
从所述至少两个子区域中确定对应差值最小的子区域，作为目标子区域；
将所述至少两个子区域中除所述目标子区域以外的子区域，作为所述补偿子区域。
确定模块14，用于根据所述补偿处理后的第一图像区域确定所述目标道路的道路结构信息，所述目标道路的道路结构信息用于描述所述目标交通标志位于所述目标道路中的位置。
其中，上述确定模块14包括：
第四获取单元，用于获取所述补偿处理后的第一图像区域中目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息；
道路建模单元，用于根据所述目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息，进行道路建模，获得所述目标道路的道路结构信息。
本申请中，通过获取关于目标道路的至少两帧图像，该至少两帧图像中包括第一图像和第二图像，第一图像和第二图像中均包括目标交通标志。对第一图像进行交通标志检测，得到目标交通标志在第一图像中的第一图像区域，对第二图像进行交通标志检测，得到目标交通标志在第二图像中的第二图像区域，对第一图像以及第二图像进行交通标志检测时，会根据第一图像以及第二图像中标志的标志尺寸确定识别方式，以此可以增加对第一图像以及第二图像中目标交通标志检测的准确率。根据第二图像区域对第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；根据补偿处理后的第一图像区域确定目标道路的道路结构信息。采用本方案，通过根据第二图像区域对第一图像区域进行补偿处理，可以减少因遮挡导致目标交通标志不完整的情况，使目标交通标志更加完整且更加准确，提高获取目标道路的道路结构信息的准确率。同时是根据关于目标道路的至少两帧图像对目标道路进行建模，可以一定程度上减少一些图像的误判结果导致道路结构信息不准确可以使道路结构信息更加准确。
请参见图6，是本申请实施例提供的一种电子设备的结构示意图，如图6所示的本实施例中的电子设备可以包括：一个或多个处理器21；一个或多个输入装置22，一个或多个输出装置23和存储器24。上述处理器21、输入装置22、输出装置23和存储器24通过总线25连接。
所处理器21可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入装置22可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出装置23可以包括显示器(LCD等)、扬声器等，输出装置23可以输出校正处理后的数据表。
该存储器24可以包括只读存储器和随机存取存储器，并向处理器21提供指令和数据。存储器24的一部分还可以包括非易失性随机存取存储器，存储器24用于存储计算机程序，所述计算机程序包括程序指令，处理器21用于执行存储器24存储的程序指令，以用于执行一种信息处理方法，即用于执行以下操作：
获取关于目标道路的至少两帧图像；
获取关于目标道路的至少两帧图像；所述至少两帧图像中包括第一图像和第二图像，所述第一图像和所述第二图像中均包括目标交通标志；
对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域；
根据所述第二图像区域对所述第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；
根据所述补偿处理后的第一图像区域确定所述目标道路的道路结构信息，所述目标道路的道路结构信息用于描述所述目标交通标志位于所述目标道路中的位置。
可选的，处理器21用于执行存储器24存储的程序指令，用于执行以下操作：
分别获取所述第一图像区域的像素信息和所述第二图像区域的像素信息；
将所述第一图像区域的像素信息和所述第二图像区域的像素信息进行对比，得到对比结果；
根据所述对比结果从所述第二图像区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为补偿子区域；
将所述补偿子区域与所述第一图像区域进行拼接处理，得到补偿处理后的第一图像区域。
可选的，处理器21用于执行存储器24存储的程序指令，用于执行以下操作：
获取所述第一图像区域的区域大小；
根据所述第一图像区域的区域大小对所述第二图像区域进行划分，得到至少两个子区域；
从所述至少两个子区域中确定像素信息与所述第一图像区域的像素信息不同的子区域，作为所述补偿子区域。
可选的，处理器21用于执行存储器24存储的程序指令，用于执行以下操作：
分别获取所述第一图像区域的像素值与所述至少两个子区域中各个子区域的像素值之间的差值；
从所述至少两个子区域中确定对应差值最小的子区域，作为目标子区域；
将所述至少两个子区域中除所述目标子区域以外的子区域，作为所述补偿子区域。
可选的，处理器21用于执行存储器24存储的程序指令，用于执行以下操作：
获取所述目标交通标志对应的目标特征信息；
获取所述第一图像中的第一候选标志对应的第一特征信息，以及获取所述第二图像中的第二候选标志对应的第二特征信息；
若所述第一特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第一候选标志确定为所述目标交通标志，并将所述第一候选标志位于所述第一图像中的区域确定为所述第一图像区域；
若所述第二特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第二候选标志确定为所述目标交通标志，并将所述第二候选标志位于所述第二图像中的区域确定为所述第二图像区域。
可选的，处理器21用于执行存储器24存储的程序指令，用于执行以下操作：
获取所述第一候选标志对应的标志尺寸，以及获取所述第二候选标志对应的标志尺寸；
根据所述第一候选标志对应的标志尺寸，从识别方式库中确定用于对所述第一候选标志进行识别的识别方式；
根据所述第二候选标志对应的标志尺寸，从所述识别方式库中确定用于对所述第二候选标志进行识别的识别方式；
根据所述第一候选标志对应的识别方式，对所述第一候选标志进行识别，获得所述第一候选标志对应的第一特征信息，以及根据所述第二候选标志对应的识别方式，对所述第二候选标志进行识别，获得所述第二候选标志对应的第二特征信息。
可选的，处理器21用于执行存储器24存储的程序指令，用于执行以下操作：
获取所述补偿处理后的第一图像区域中目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息；
根据所述目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息，进行道路建模，获得所述目标道路的道路结构信息。
本申请实施例中所描述的处理器21、输入装置22、输出装置23可执行本申请实施例提供的信息处理方法的实施例中所描述的实现方式，也可执行本申请实施例所描述的电子设备的实现方式，在此不再赘述。
本申请中，通过获取关于目标道路的至少两帧图像，该至少两帧图像中包括第一图像和第二图像，第一图像和第二图像中均包括目标交通标志。对第一图像进行交通标志检测，得到目标交通标志在第一图像中的第一图像区域，对第二图像进行交通标志检测，得到目标交通标志在第二图像中的第二图像区域，对第一图像以及第二图像进行交通标志检测时，会根据第一图像以及第二图像中标志的标志尺寸确定识别方式，以此可以增加对第一图像以及第二图像中目标交通标志检测的准确率。根据第二图像区域对第一图像区域进行补偿处理，得到补偿处理后的第一图像区域；根据补偿处理后的第一图像区域确定目标道路的道路结构信息。采用本方案，通过根据第二图像区域对第一图像区域进行补偿处理，可以减少因遮挡导致目标交通标志不完整的情况，使目标交通标志更加完整且更加准确，提高获取目标道路的道路结构信息的准确率。同时是根据关于目标道路的至少两帧图像对目标道路进行建模，可以一定程度上减少一些图像的误判结果导致道路结构信息不准确可以使道路结构信息更加准确。
本申请实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现如图1及图4实施例中所示的信息处理方法。
所述计算机可读存储介质可以是前述任一实施例所述的电子设备的内部存储单元，例如控制设备的硬盘或内存。所述计算机可读存储介质也可以是所述控制设备的外部存储设备，例如所述控制设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述控制设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述控制设备所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的控制设备和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的控制设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例是示意性的，例如，所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种信息处理方法，其特征在于，包括：
获取关于目标道路的至少两帧图像；所述至少两帧图像中包括第一图像和第二图像，所述第一图像和所述第二图像中均包括目标交通标志；
对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域；
分别获取所述第一图像区域的像素信息和所述第二图像区域的像素信息，获取所述第一图像区域的区域大小，根据所述第一图像区域的区域大小对所述第二图像区域进行划分，得到至少两个子区域；所述第一图像区域的像素信息为所述第一图像区域的像素值，所述至少两个子区域中各个子区域的像素信息为对应子区域的像素值；
分别获取所述第一图像区域的像素值与所述至少两个子区域中各个子区域的像素值之间的差值，从所述至少两个子区域中确定对应差值最小的子区域，作为目标子区域，将所述至少两个子区域中除所述目标子区域以外的子区域，作为补偿子区域，将所述补偿子区域与所述第一图像区域进行拼接处理，得到补偿处理后的第一图像区域；
获取所述补偿处理后的第一图像区域中目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息，根据所述目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息，进行道路建模，获得所述目标道路的道路结构信息，所述目标道路的道路结构信息用于描述所述目标交通标志位于所述目标道路中的位置。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域，包括：
获取所述目标交通标志对应的目标特征信息；
获取所述第一图像中的第一候选标志对应的第一特征信息，以及获取所述第二图像中的第二候选标志对应的第二特征信息；
若所述第一特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第一候选标志确定为所述目标交通标志，并将所述第一候选标志位于所述第一图像中的区域确定为所述第一图像区域；
若所述第二特征信息与所述目标交通标志对应的目标特征信息匹配，则将所述第二候选标志确定为所述目标交通标志，并将所述第二候选标志位于所述第二图像中的区域确定为所述第二图像区域。
3.根据权利要求2所述的方法，其特征在于，所述获取所述第一图像中的第一候选标志对应的第一特征信息，以及获取所述第二图像中的第二候选标志对应的第二特征信息，包括：
获取所述第一候选标志对应的标志尺寸，以及获取所述第二候选标志对应的标志尺寸；
根据所述第一候选标志对应的标志尺寸，从识别方式库中确定用于对所述第一候选标志进行识别的识别方式；
根据所述第二候选标志对应的标志尺寸，从所述识别方式库中确定用于对所述第二候选标志进行识别的识别方式；
根据所述第一候选标志对应的识别方式，对所述第一候选标志进行识别，获得所述第一候选标志对应的第一特征信息，以及根据所述第二候选标志对应的识别方式，对所述第二候选标志进行识别，获得所述第二候选标志对应的第二特征信息。
4.一种信息处理装置，其特征在于，包括：
获取模块，用于获取关于目标道路的至少两帧图像；所述至少两帧图像中包括第一图像和第二图像，所述第一图像和所述第二图像中均包括目标交通标志；
检测模块，用于对所述第一图像进行交通标志检测，得到所述目标交通标志在所述第一图像中的第一图像区域，对所述第二图像进行交通标志检测，得到所述目标交通标志在所述第二图像中的第二图像区域；
补偿处理模块，用于分别获取所述第一图像区域的像素信息和所述第二图像区域的像素信息，获取所述第一图像区域的区域大小，根据所述第一图像区域的区域大小对所述第二图像区域进行划分，得到至少两个子区域；分别获取所述第一图像区域的像素值与所述至少两个子区域中各个子区域的像素值之间的差值，从所述至少两个子区域中确定对应差值最小的子区域，作为目标子区域，将所述至少两个子区域中除所述目标子区域以外的子区域，作为补偿子区域，将所述补偿子区域与所述第一图像区域进行拼接处理，得到补偿处理后的第一图像区域；所述第一图像区域的像素信息为所述第一图像区域的像素值，所述至少两个子区域中各个子区域的像素信息为对应子区域的像素值；
确定模块，用于获取所述补偿处理后的第一图像区域中目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息，根据所述目标交通标志的标志类别，以及所述目标交通标志位于所述补偿处理后的第一图像区域中的位置信息，进行道路建模，获得所述目标道路的道路结构信息，所述目标道路的道路结构信息用于描述所述目标交通标志位于所述目标道路中的位置。
5.一种计算机设备，其特征在于，包括：处理器、存储器以及网络接口；
所述处理器与存储器、网络接口相连，其中，网络接口用于提供数据通信功能，所述存储器用于存储计算机程序，所述处理器用于调用所述计算机程序，以执行如权利要求1至3任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时，执行如权利要求1至3中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011123302.XA CN112257555B (zh) | 2020-10-20 | 2020-10-20 | 一种信息处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011123302.XA CN112257555B (zh) | 2020-10-20 | 2020-10-20 | 一种信息处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112257555A CN112257555A (zh) | 2021-01-22 |
| CN112257555B true CN112257555B (zh) | 2024-09-20 |
Family
ID=74245115
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011123302.XA Active CN112257555B (zh) | 2020-10-20 | 2020-10-20 | 一种信息处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112257555B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113012135A (zh) * | 2021-03-23 | 2021-06-22 | 慧影医疗科技（北京）有限公司 | 二维骨折图像的修正方法、装置、系统、电子设备和介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109740424A (zh) * | 2018-11-23 | 2019-05-10 | 深圳市华尊科技股份有限公司 | 交通违规识别方法及相关产品 |
| CN111488808A (zh) * | 2020-03-31 | 2020-08-04 | 杭州诚道科技股份有限公司 | 基于交通违法图像数据的车道线检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI578268B (zh) * | 2012-02-22 | 2017-04-11 | 能晶科技股份有限公司 | 鳥瞰影像系統及其補償方法 |
| CN111666853B (zh) * | 2020-05-28 | 2023-06-02 | 平安科技（深圳）有限公司 | 实时车辆违章检测方法、装置、设备及存储介质 |
-
2020
- 2020-10-20 CN CN202011123302.XA patent/CN112257555B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109740424A (zh) * | 2018-11-23 | 2019-05-10 | 深圳市华尊科技股份有限公司 | 交通违规识别方法及相关产品 |
| CN111488808A (zh) * | 2020-03-31 | 2020-08-04 | 杭州诚道科技股份有限公司 | 基于交通违法图像数据的车道线检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112257555A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9123242B2 (en) | Pavement marker recognition device, pavement marker recognition method and pavement marker recognition program | |
| CN110163176B (zh) | 车道线变化位置识别方法、装置、设备和介质 | |
| US11380104B2 (en) | Method and device for detecting illegal parking, and electronic device | |
| CN108875600A (zh) | 一种基于yolo的车辆信息检测和跟踪方法、装置及计算机存储介质 | |
| CN112307989B (zh) | 路面物体识别方法、装置、计算机设备和存储介质 | |
| US20140348390A1 (en) | Method and apparatus for detecting traffic monitoring video | |
| CN111325769A (zh) | 一种目标对象检测方法及装置 | |
| CN111488808A (zh) | 基于交通违法图像数据的车道线检测方法 | |
| CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
| CN111383246B (zh) | 条幅检测方法、装置及设备 | |
| CN111582255A (zh) | 车辆超限检测方法、装置、计算机设备和存储介质 | |
| CN108573244B (zh) | 一种车辆检测方法、装置及系统 | |
| CN115909241A (zh) | 一种车道线检测方法、系统、电子设备和存储介质 | |
| CN112257555B (zh) | 一种信息处理方法、装置、设备及存储介质 | |
| CN108847031A (zh) | 交通行为监控方法、装置、计算机设备和存储介质 | |
| CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
| CN116863124B (zh) | 车辆姿态确定方法、控制器及存储介质 | |
| CN112016514B (zh) | 一种交通标志识别方法、装置、设备及储存介质 | |
| CN113435350A (zh) | 一种交通标线检测方法、装置、设备和介质 | |
| CN116721396A (zh) | 车道线检测方法、设备及存储介质 | |
| CN112528944A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
| CN114494986A (zh) | 道路场景识别方法及其装置 | |
| CN115311885B (zh) | 一种评测方法、系统、电子设备及存储介质 | |
| CN114693722A (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
| CN113643374B (zh) | 基于道路特征的多目相机标定方法、装置、设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |