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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于YOLOv8的交通标志检测与识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116935331B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310319962.2，技术领域涉及：G06V20/54；该发明授权一种基于YOLOv8的交通标志检测与识别方法是由张开玉;刘楠设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本一种基于YOLOv8的交通标志检测与识别方法在说明书摘要公布了：本发明公开了一种基于YOLOv8的交通标志检测与识别方法，具体涉及计算机视觉、图像处理技术领域，包括具体步骤如下：步骤一、采集数据，将各个交通路口所采集到的交通数据输送到云数据库中储存，再将每一个交通行走路径采集数据输送到云数据库中储存。本发明采用摄像头实时采集交通标志数据、交通行走路径采集数据、路口跟车参考数据、单车量行走数据、路口红绿灯交通变灯数据，检测到的各个方向的数据与云数据库的数据做对比，可以根据路口跟车交通行走路径周边树木作为参考物识别，还可以根据路口跟车车辆、单车量行走数据、路口红绿灯交通变灯数据自动识别参考物，检测与识别交通标志精确性更好。

本发明授权一种基于YOLOv8的交通标志检测与识别方法在权利要求书中公布了：1.一种基于YOLOv8的交通标志检测与识别方法，其特征在于：包括具体步骤如下： 步骤一、采集数据，将各个交通路口所采集到的交通数据输送到云数据库中储存，再将每一个交通行走路径采集数据输送到云数据库中储存，路口跟车参考数据、单车量行走数据储存到云数据库中，还需要将路口红绿灯交通变灯数据输入到云数据库中，最终将这些数据备份一份到备用云数据库中储存； 步骤二、云数据库归类优化，云数据库中的数据按照更新时间有序根更新，更新时间按照由新到久依次排列，更新的旧数据备份到备用云数据库中出储存，而新数据则继续储存到云数据库中，新数据更新容量为5-10GB压缩容量，同时云数据库更新时间为3-5天一次； 步骤三、旧数据确认整理，更新的旧数据在一天后向后台发出提示，后台触发报警，后台人员则需要在10-30分钟内处理旧数据，如旧数据判断为重要数据，即可继续保存在备用云数据库中，如旧数据判断为不重要数据，则立即将旧数据删除； 步骤四、参考物检测，通过搭载摄像头到车辆上，并且该摄像头实时采集交通标志数据、交通行走路径采集数据、路口跟车参考数据、单车量行走数据、路口红绿灯交通变灯数据，检测到的各个方向的数据与云数据库的数据做对比，并且按照云数据库中的数据发射识别指令； 步骤五、参考物识别，在识别过程中，可以根据路口跟车交通行走路径周边树木作为参考物识别，还可以根据路口跟车车辆、单车量行走数据、路口红绿灯交通变灯数据自动识别参考物，当前方车辆行驶并且路口交通变灯数据相吻合，再通过行走路径树木大小以及参考物识别，可以作为参考物识别交通信号通行标志； 步骤六、YOLOv8损失计算，YOLOv8中的交通标志图像识别损失主要由三个部分组成classesloss，分类损失，采用的是BCEloss，注意只计算正样本的分类损失，Objectnessloss，obi损失，采用的依然是BCElos5，注意这里的obi指的是网络预测的目标边界与GTBox的CIU，这里计算的是所有样本的obi损失，Locationloss，定位损失，采用的是cIouloss，注意只计算正样本的定位损失，该计算方式如下公式： 损失的主要计算方式为Loss=λ1Lcls+λ2Lobj+λ3Lloc； 步骤七、平衡不同尺度损失计算，采取三个预测特征层，其三个预测特征层P3，P4，P5上的b损失采用不同的权重，在源码中，针对预测小目标的预测特征层p3采用的权重是4.0，针对预测中目标的预测特征层P4采用的权重是1.0，针对预测大目标的预测特征层p5采用的权重是0.4，这是针对coco数据集设置的超参数，并且该计算方式如下： Lobj=4.0*Lobjsmall+1.0*Lobjmedium+0.4*Lobjlarge； 步骤八、消除Grid敏感度，将采集的数据识别敏感度需要消除，这就需要用到关于预测目标中心点相对Grid网格左上角Cx,Cy偏移量为otx,σty，当真实目标中心点非常靠近网格的左上角点σtx和σty应该趋近与0或者右下角点σtx和σty应该趋近与1时，网络的预测值需要负无穷或者正无穷时才能取到，而这种很极端的值网络一般无法达到，为了解决这个问题，对偏移量进行了缩放从原来的0,1缩放到-0.5,1.5这样网络预测的偏移量就能很方便达到0或1，故最终预测的目标中心点bx,by的计算公式为： bx=2.σtx-0.5+cx by=2.σty-0.5+cy，利用完上述计算方法后可以校对识别敏感度； 步骤九、匹配正样本检测与识别，匹配样本识别时，需要采用先去计算每个GTBox与对应的AnchorTemplates模板的高宽比例，即按照如下公式： rw=wgtwat rh=hgthat； 然后统计这些比例和它们倒数之间的最大值，这里可以理解成计算GTBox和AnchorTemplates分别在宽度以及高度方向的最大差异当相的时候比例为1，差异最小，并且按照如下公式计算： rwmax=maxrw,1rw rhmax=maxrh,1rh； 在接着统计rwmax和rhmax之间的最大值，即宽度和高度方向差异最大的值： rmax=maxrwmax,rhmax； 根据以上公式在运算时，至主要可以用到GTBox和对应的AnchorTemplate的rmaxr{max}rmax小于阈值anchort在源码中默认设置为4.0，即GTBox和对应的AnchorTemplate的高、宽比例相差不算太大，则将GTBox分配给该AnchorTemplate模板，对某个GTBox而言，其实只要GTBox满足在某个AnchorTemplate宽和高的×0.25\times0.25×0.25倍和×4.0\times4.0×4.0倍之间就算匹配成功，这样可以对交通标志自动检测与识别； 步骤十、纠错数据更新，在上述数据存在错误时，可以将错误数据发送到后台数据库处理电脑中，并且后台维护人员可以看到具体的错误数据，根据错误数据优化处理计算方式，不断的对错误点进行修订，即可减少交通标志检测与识别的错误次数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨理工大学，其通讯地址为：150006 黑龙江省哈尔滨市南岗区学府路52号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。