[發明專利]一種車輛盲區預警的方法及裝置

有效

• 申請號: 201811348698.0
• 申請日: 2018-11-13
• 公開（公告）號: CN111186432B
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 甘萬霖;方先成
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: B60W30/08
• 分類號: B60W30/08;B60W40/02;B60W40/10;B60W50/14
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種車輛盲區預警的方法，其特征在于，所述方法包括：

獲取車輛設有的攝像裝置采集的當前幀圖像，所述當前幀圖像為所述車輛的盲區的圖像；

將所述當前幀圖像輸入已訓練的神經網絡模型，由所述神經網絡模型輸出所述當前幀圖像中存在的目標障礙物的類別和位置；

基于所述目標障礙物的類別和位置，對所述目標障礙物進行目標跟蹤，以確定所述目標障礙物的運動趨勢以及最終位置；

根據所述目標障礙物的類別、最終位置以及運動趨勢進行車輛盲區預警處理；

所述當前幀圖像中的盲區包括第一盲區以及第二盲區，其中，第二盲區為由所述第一盲區外擴預設像素后得到的范圍；

所述根據所述目標障礙物的類別、最終位置以及運動趨勢進行車輛盲區預警處理包括：

獲取所述車輛的實時姿態信息；

確定與所述實時姿態信息對應的報警策略；

根據所述目標障礙物在當前幀圖像中的最終位置，確定所述目標障礙物所處的區域為當前幀圖像中的第一盲區或者第二盲區；

當所述目標障礙物的類別、所處的區域以及運動趨勢與所述報警策略匹配時，則進行報警處理。

2.根據權利要求1所述的方法，其特征在于，所述將所述當前幀圖像輸入已訓練的神經網絡模型，由所述神經網絡模型輸出所述當前幀圖像中存在的目標障礙物的類別和位置包括：

將所述當前幀圖像輸入至所述神經網絡模型，所述神經網絡模型中的卷積層對所述當前幀圖像進行處理并輸出圖像特征信息給全連接層；

所述全連接層對所述卷積層輸入的圖像特征信息進行處理并輸出所述當前幀圖像存在的一個或多個目標障礙物的類別和位置，其中，所述目標障礙物的位置是指目標障礙物的外接矩形框所處的位置。

3.根據權利要求2所述的方法，其特征在于，所述基于所述目標障礙物的類別和位置，對所述目標障礙物進行目標跟蹤，以確定所述目標障礙物的運動趨勢以及最終位置包括：

獲取所述攝像裝置采集的上一幀圖像；

分別確定所述上一幀圖像以及所述當前幀圖像的灰度圖，并基于所述灰度圖確定所述一個或多個目標障礙物的光流矢量；

基于所述一個或多個目標障礙物的光流矢量，確定所述一個或多個目標障礙物的運動趨勢；

根據所述一個或多個目標障礙物的運動趨勢，對所述一個或多個目標障礙物在當前幀圖像的位置進行預測，得到所述一個或多個目標障礙物在當前幀圖像的預測位置；

基于所述目標障礙物的類別，融合所述一個或多個目標障礙物在當前幀圖像的預測位置以及所述神經網絡模型輸出的位置，確定所述一個或多個目標障礙物在當前幀圖像的最終位置。

4.根據權利要求3所述的方法，其特征在于，所述根據所述一個或多個目標障礙物的運動趨勢，對所述一個或多個目標障礙物在當前幀圖像的位置進行預測，得到所述一個或多個目標障礙物在當前幀圖像的預測位置，包括：

獲取所述一個或多個目標障礙物在上一幀圖像中的最終位置；

基于所述一個或多個目標障礙物的運動趨勢以及所述一個或多個目標障礙物在上一幀圖像中的最終位置，確定所述一個或多個目標障礙物在當前幀圖像的預測位置。

5.根據權利要求3或4所述的方法，其特征在于，所述基于所述目標障礙物的類別，融合所述一個或多個目標障礙物在當前幀圖像的預測位置以及所述神經網絡模型輸出的位置，確定所述一個或多個目標障礙物在當前幀圖像的最終位置，包括：

根據所述一個或多個目標障礙物的類別以及預測位置，生成所述一個或多個目標障礙物在當前幀圖像的預測外接矩形框；

獲取所述神經網絡模型輸出的當前幀圖像存在的一個或多個目標障礙物的檢測外接矩形框；

對所述檢測外接矩形框以及所述預測外接矩形框進行目標障礙物關聯；

根據關聯為同一目標障礙物的檢測外接矩形框以及預測外接矩形框所處的位置，確定所述目標障礙物的最終位置。