本发明涉及一种基于图像识别的信号机识别系统、方法和装置，属于图像识别。
背景技术：
1、随着城市化进程的加速，交通拥堵和交通安全问题日益突出。传统的道路信号灯系统大多采用有线联网的方式，然而，对于一些老旧的道路，由于建设时期的技术限制和资金问题，信号灯系统并没有实现数据联网。这给交通管理部门带来了诸多不便，他们无法实时了解各个路口的信号灯状态，无法进行有效的交通调度，导致交通拥堵和事故的风险增加。
2、传统的解决方案主要依赖于人工巡检和报修，这种方式不仅效率低下，而且无法实时获取信号灯的状态信息。此外，一些新兴的技术方案虽然可以实现信号灯的远程监控，但由于需要对现有的信号灯系统进行大规模的改造，实施难度较大，且成本较高。
技术实现思路
1、本发明目的是提供了一种基于图像识别的信号机识别系统、方法和装置，提高了交通管理的效率和安全性，而且降低了实施难度和成本。
2、本发明为实现上述目的，通过以下技术方案实现：
3、包括图像采集模块、图像识别模块和信号传输模块；
4、所述图像采集模块用于采集和预处理信号灯图像构建信号灯识别数据集，所述数据集包括不同倒计时数字和信号灯颜色；
5、所述图像识别模块用于构建信号灯智能识别与预测模型，并使用信号灯识别数据集训练信号灯智能识别与预测模型；所述信号灯智能识别与预测模型使用卷积神经网络作为基础架构，结合目标检测和图像分类算法；
6、所述信号传输模块用于将图像识别模块的识别数据传输至服务器。
7、优选的，所述预处理包括缩放、裁剪、归一化。
8、优选的，所述信号灯智能识别与预测模型还引入序列模型处理时间序列数据，包括循环神经网络rnn或长短时记忆网络lstm。
9、优选的，所述信号灯智能识别与预测模型训练过程包括前向传播、损失计算、反向传播和参数更新，并采用数据增强、正则化技术来提高模型的泛化能力。
10、一种基于图像识别的信号机识别方法，包括：
11、构建并训练信号灯智能识别与预测模型，所述信号灯智能识别与预测模型使用卷积神经网络作为基础架构，结合目标检测和图像分类算法；
12、系统初始化与配置，创建参考图像并进行标记；
13、系统通过图像采集模块根据设定时间间隔捕获一帧信号灯图像，预处理后通过训练完成的信号灯智能识别与预测模型图像识别处理，识别出信号灯的状态、颜色、倒计时数字信息；
14、将识别出的信息通过信号传输模块实时传输至服务器。
15、优选的，创建参考图像并进行标记具体方式如下：将捕获一帧实际图像作为参考图像，在参考图像上标记两个独特的标记，用于图像处理中确定摄像头的绝对位置和方向。
16、优选的，所述设定时间小于等于3秒。
17、本发明的优点在于：本发明利用端侧设备进行图像采集、处理和传输，实现了对老旧道路信号灯的实时监控和数据传输。不仅提高了交通管理的效率和安全性，而且降低了实施难度和成本。
1.一种基于图像识别的信号机识别系统，其特征在于，包括图像采集模块、图像识别模块和信号传输模块；
2.根据权利要求1所述的基于图像识别的信号机识别系统，其特征在于，所述预处理包括缩放、裁剪、归一化。
3.根据权利要求1所述的基于图像识别的信号机识别系统，其特征在于，所述信号灯智能识别与预测模型还引入序列模型处理时间序列数据，包括循环神经网络rnn或长短时记忆网络lstm。
4.根据权利要求1所述的基于图像识别的信号机识别系统，其特征在于，所述信号灯智能识别与预测模型训练过程包括前向传播、损失计算、反向传播和参数更新，并采用数据增强、正则化技术来提高模型的泛化能力。
5.一种使用权利要求1-4任一所述系统的基于图像识别的信号机识别方法，其特征在于，包括：
6.根据权利要求5所述的基于图像识别的信号机识别方法，其特征在于，创建参考图像并进行标记具体方式如下：将捕获一帧实际图像作为参考图像，在参考图像上标记两个独特的标记，用于图像处理中确定摄像头的绝对位置和方向。
7.根据权利要求5所述的基于图像识别的信号机识别方法，其特征在于，所述设定时间小于等于3秒。
8.一种基于图像识别的信号机识别装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求5-7任一所述的基于图像识别的信号机识别方法。
9.一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，该程序被处理器执行时实现如上述权利要求5-7任一所述的方法。
