[發明專利]車輛行駛圖像識別裝置

在審

• 申請號: 201611208493.3
• 申請日: 2016-12-23
• 公開（公告）號: CN108241835A
• 公開（公告）日: 2018-07-03
• 發明（設計）人: 李松澤
• 申請（專利權）人: 樂視汽車（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 許冠男;金旭鵬

本發明實施例提供一種車輛行駛圖像識別裝置，屬于圖像處理技術領域。所述裝置包括：獲取模塊，用于獲取待識別的車輛行駛圖像，所述待識別的車輛行駛圖像為車輛在道路上行駛過程中所記錄的圖像；以及識別模塊，用于利用目標對象識別模型對所述待識別的車輛行駛圖像中的目標對象進行識別。本發明實施例只需要將獲取的待識別的車輛行駛圖像輸入到目標對象識別模型，即可以自動地、實時地、有效地、準確地對待識別的車輛行駛圖像中的目標對象進行識別，具有很高的智能性和魯棒性。

技術領域

本發明實施例涉及圖像處理技術領域，具體地，涉及一種車輛行駛圖像識別裝置。

背景技術

為了滿足用戶對設備智能性的期望，越來越多的智能、自動操作被研究和擴展。例如，對于車輛領域，用戶車輛能夠更加智能、更加安全的同時，用戶的操作可以進一步減少。為了實現這一目的，車輛中可以安裝數據檢測設備，例如攝像頭等，以為車輛的自動分析提供數據基礎。

舉例來說，對于車輛自動駕駛來說，對于車輛行駛圖像中目標對象的正確識別是車輛精確定位、路徑規劃的重要依據。例如，以目標對象為車道線為例，現有技術中車道線檢測方法主要為計算機視覺檢測方法，其基于圖像處理算法，檢測出圖像中行車道路的車道線標志區域。本申請發明人在實現本發明的過程中發現：由于車道線標志的種類繁多，車輛擁擠造成車道線標志區域被遮擋，車道線可能有腐蝕磨損的情況，以及天氣等因素都能給車道線檢測任務帶來不小的挑戰。此外，這類算法需要人工手動去調濾波算子，根據算法所針對的街道場景特點手動調節參數，工作量大且魯棒性較差，當行車環境出現明顯變化時，車道線的檢測效果不佳。

發明內容

為了實現上述目的，本發明實施例提供一種車輛行駛圖像識別裝置，該裝置包括：獲取模塊，用于獲取待識別的車輛行駛圖像，所述待識別的車輛行駛圖像為車輛在道路上行駛過程中所記錄的圖像；以及識別模塊，用于利用目標對象識別模型對所述待識別的車輛行駛圖像中的目標對象進行識別。

可選的，該裝置還包括：預處理模塊，用于在利用目標對象識別模型對所述待識別的車輛行駛圖像中的目標對象進行識別之前對所述待識別的車輛行駛圖像進行預處理。

可選的，所述預處理模塊進一步用于：對所述待識別的車輛行駛圖像進行感興趣區域(ROI)提取和/或圖像逆透視映射(IPM)。

可選的，所述目標對象識別模型根據以下步驟建立：建立訓練樣本集的步驟，其中該步驟包括：采集多個包括目標對象的車輛行駛圖像并標注出所述多個車輛行駛圖像中的每一個車輛行駛圖像中的目標對象，將所述多個車輛行駛圖像以及對應的標注的目標對象作為訓練集樣本；建立深度神經網絡的步驟，其中該步驟包括：將所述訓練集樣本中的所述多個車輛行駛圖像作為深度神經網絡的輸入、所述訓練集樣本中的所述多個車輛行駛圖像的對應的標注的目標對象作為所述深度神經網絡的輸出來進行訓練；以及將訓練完成后的深度神經網絡作為目標對象識別模型。

可選的，所述建立訓練樣本集的步驟進一步包括：將所述多個車輛行駛圖像進行預處理，所述預處理包括對所述多個車輛行駛圖像進行感興趣區域(ROI)提取和/或圖像逆透視映射(IPM)；以及將預處理后的多個車輛行駛圖像以及對應的標注的目標對象作為訓練集樣本。

可選的，其中所述目標對象為車輛行駛圖像中的道路上的車道線。

可選的，所述識別模塊進一步用于：利用特征信息聚類和最小二乘法獲得識別的車道線的參數方程和/或車道線的數量。

通過上述技術方案，只需要將獲取的待識別的車輛行駛圖像輸入到目標對象識別模型，即可以自動地、實時地、有效地、準確地對待識別的車輛行駛圖像中的目標對象進行識別，具有很高的智能性和魯棒性。

本發明實施例的其它特征和優點將在隨后的具體實施方式部分予以詳細說明。

附圖說明