[發明專利]基于深度神經網絡的圖像特征的聯合判斷方法

有效

• 申請號: 201711285590.7
• 申請日: 2017-12-07
• 公開（公告）號: CN108197628B
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 孫皓;王佛偉;胡振程;王艷明
• 申請（專利權）人: 上海為森車載傳感技術有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京謹誠君睿知識產權代理事務所(特殊普通合伙) 11538
• 代理人: 陸鑫;延慧

本發明涉及一種基于深度神經網絡的圖像特征的聯合判斷方法，包括：S1.通過第一深度神經網絡對輸入圖像進行特征提取生成第一結果，并獲取第一預測值；S2.將所述第一預測值分別與預設的第一閾值和預設的第二閾值進行比較；S3.若所述第一預測值處于所述第一閾值與所述第二閾值之間，通過第二深度神經網絡對所述輸入圖像進行特征提取生成第二結果，并獲取第二預測值；S4.通過所述第一預測值與所述第二預測值對所述第一結果和所述第二結果進行匹配，若匹配成功，生成所述第一結果的邊界框。通過聯合判斷，從而有效判斷出第一結果與第二結果的相關程度，能夠有效保證輸出第一結果的邊界框的位置準確，有效提高檢測精度。

技術領域

本發明涉及一種圖像特征的聯合判斷方法，尤其涉及一種基于深度神經網絡的圖像特征的聯合判斷方法。

背景技術

隨著科技的發展，計算機視覺的關注度不斷提高，并且計算機視覺已經在多個領域進行應用。計算機視覺是一門研究如何使機器“看”的科學，更進一步的說，就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖像處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像?，F有技術中，深度神經網絡提取圖像特征的識別過程往往需要人工進行輔助標記，或者自動識別過程中精度差，容易出錯。在交通運輸領域，由于車輛行駛環境復雜，現有技術的神經網絡對圖像特征的識別效率低，準確性差，增加了實際應運過程中的難度，以及可靠性差。

發明內容

本發明的目的在于提供一種基于深度神經網絡的圖像特征的聯合判斷方法，解決圖像特征識別準確性差的問題。

為實現上述發明目的，本發明提供一種基于深度神經網絡的圖像特征的聯合判斷方法，包括：

S1.通過第一深度神經網絡對輸入圖像進行特征提取生成第一結果，并獲取第一預測值；

S2.將所述第一預測值分別與預設的第一閾值和預設的第二閾值進行比較，其中，所述第二閾值大于所述第一閾值；

S3.若所述第一預測值處于所述第一閾值與所述第二閾值之間，通過第二深度神經網絡對所述輸入圖像進行特征提取生成第二結果，并獲取第二預測值；

S4.通過所述第一預測值與所述第二預測值對所述第一結果和所述第二結果進行匹配，若匹配成功，生成所述第一結果的邊界框。

根據本發明的一個方面，通過所述第一預測值與所述第二預測值對所述第一結果和所述第二結果進行匹配，若匹配成功，生成所述第一結果的邊界框的步驟中包括：

S41.通過所述第一預測值和所述第二預測值獲取所述第一結果和第二結果的重疊率IoU；

S42.通過所述第一預測值和所述第二預測值獲取所述第一結果和第二結果的中心點距離d；

S43.將重疊率IoU與預設的第一聯合判斷閾值進行比較，將中心點距離d與預設的第二聯合判斷閾值進行比較；

若重疊率IoU大于所述第一聯合判斷閾值，并且所述中心點距離d小于所述第二聯合判斷閾值，生成所述第一結果的邊界框。

根據本發明的一個方面，通過所述第一預測值和所述第二預測值獲取所述第一結果和第二結果的重疊率IoU的步驟中包括：

S411.通過所述第一預測值獲取所述第一結果的邊界，并根據所述邊界獲取第一面積S；

S412.通過所述第二預測值獲取所述第二結果的邊界，并根據所述邊界獲取第二面積F；

S413.根據所述第一面積S和所述第二面積F獲取所述重疊率IoU。

根據本發明的一個方面，根據所述第一面積S和所述第二面積F獲取所述重疊率IoU的步驟中，所述重疊率IoU滿足：IoU＝(F∩S)/(F∪S)，其中，(F∩S)為交集面積，(F∪S)為并集面積。