[發明專利]前方車輛尾部近端跟蹤識別的方法和裝置

在審

• 申請號: 201811207394.2
• 申請日: 2018-10-16
• 公開（公告）號: CN109522800A
• 公開（公告）日: 2019-03-26
• 發明（設計）人: 牟華英
• 申請（專利權）人: 廣州鷹瞰信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 佛山幫專知識產權代理事務所(普通合伙) 44387
• 代理人: 顏德昊

本發明涉圖像處理領域，涉及一種前方車輛尾部近端跟蹤識別的方法，包括：獲取車尾圖像作為樣本并輸入訓練回歸模型；獲取車輛位置后計算車輛寬高比；截取車尾的左邊邊沿、右邊邊沿和上端邊沿的樣本截圖；將截圖縮放至預設尺寸；利用卷積神經網絡計算得到車輛左邊邊沿、右邊邊沿和上端邊沿的回歸結果；根據計算出的回歸結果，結合車輛寬高比來計算獲得車輛底部的預測結果。本發明還提出前方車輛尾部近端跟蹤識別的裝置。本發明通過卷積特征提取得到車尾的特征，再利用回歸算法判斷車輛邊沿位置，由于車輛是剛體只要計算出左右兩邊和上邊的位置，按比例即可預測下邊的位置，實現了嵌入式設備計算資源和存儲資源有限情況下快速準確地跟蹤前方車輛。

技術領域

本發明涉圖像處理領域，特別涉及一種前方車輛尾部近端跟蹤識別的方法和裝置。

背景技術

在現實生活中，司機因為疲勞駕駛或注意力不集中，對于前方較近的車輛常常造成追尾、碰撞、刮蹭等事故，嚴重的話可能危害司機的生命和財產安全。

嵌入式設備存在計算資源和存儲資源有限的情況，怎樣利用嵌入式設備快速準確地跟蹤前方車輛，是目前一個較難的課題。以現在常見的最流行的相關濾波KCF(kemelizedcorrelation filters，核相關濾波器)為例，在ARM上使用單線程實現實時仍有難度。同時現有技術中，對于遠一些能夠完全識別出車尾模型的情況，很多技術能對車尾做出判斷，可是對于在近端，不能完全看到車尾整體輪廓時的情況，KCF跟蹤方法的精確度明顯下降，因此不能起到輔助司機避免近距離追尾的作用。

為了解決上述提到的缺陷，有必要對現有技術進行改進，減少追尾事故。

發明內容

本發明的實施方式旨在至少解決現有技術中存在的技術問題之一。為此，本發明的實施方式需要提供一種前方車輛尾部近端跟蹤識別的方法和裝置。

本發明實施方式提出了一種前方車輛尾部近端跟蹤識別的方法，其特征在于，包括：

步驟1，獲取預定數量幀的車尾圖像作為預設的訓練回歸模型的樣本并輸入訓練回歸模型；

步驟2，獲取圖像樣本中的車輛位置后計算車輛寬高比；

步驟3，截取圖像樣本中待回歸車輛車尾的左邊邊沿樣本截圖、右邊邊沿樣本截圖和上端邊沿樣本截圖；

步驟4，將步驟3截取到的圖像縮放至預設的尺寸；

步驟5，利用卷積神經網絡計算得到車輛左邊邊沿、車輛右邊邊沿和車輛上端邊沿的回歸結果；

步驟6，根據車輛左邊邊沿、車輛右邊邊沿和車輛上端邊沿的回歸結果，結合車輛寬高比來計算獲得車輛底部的預測結果。

一種實施方式中，步驟2包括：通過目標檢測獲取圖像樣本中的車輛位置后按公式rate_hw＝h/w計算車輛寬高比rate_hw；其中，h表示車輛高度，w表示車輛寬度。

一種實施方式中，步驟3包括：

步驟31，按照以車尾中線為分割線且車輛外部的路面情況與車身比例在15％～45％之間的要求來截取車尾左半部的圖像獲得左邊邊沿樣本截圖；

步驟32，按照以車尾中線為分割線且車輛外部的路面情況與車身比例在15％～45％之間的要求來截取車尾右半部的圖像獲得右邊邊沿樣本截圖；

步驟33，按照以車尾中線為分割線且車輛外部的路面情況與車身比例在15％～45％之間的要求來截取車頂部分的圖像獲得上端邊沿樣本截圖。

一種實施方式中，步驟5包括：利用卷積神經網絡使用回歸參數的計算公式計算得到車輛左邊邊沿、車輛右邊邊沿和車輛上端邊沿的回歸結果；

利用卷積神經網絡進行回歸時，使用的損失函數為：