[發明專利]網絡訓練方法、車頭朝向識別方法、裝置及終端設備

有效

• 申請號: 201911315840.6
• 申請日: 2019-12-19
• 公開（公告）號: CN111160174B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 唐健;張彥彬;吳鵬;王浩
• 申請（專利權）人: 深圳市捷順科技實業股份有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/82;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 趙磊

本申請適用于圖像處理技術領域，提供了網絡訓練方法、車頭朝向識別方法、裝置及終端設備，該網絡訓練方法包括：在包含目標車輛的圖像樣本中，確定能夠包含所述目標車輛的最小四邊形區域；確定包含所述最小四邊形區域的第一矩形區域；對所述第一矩形區域進行變換，得到多個目標區域；在所述最小四邊形區域的兩個第一頂角之間插入預設個數的插值點，并計算各個所述插值點相對于各個所述目標區域的中心點的偏移量；其中，所述第一頂角為靠近所述目標車輛的車頭一側的頂角；基于所述多個目標區域和所述偏移量，對車頭朝向識別網絡進行訓練。本申請能夠準確識別出車輛的車頭朝向。

技術領域

本申請屬于圖像處理技術領域，尤其涉及網絡訓練方法、車頭朝向識別方法、裝置及終端設備。

背景技術

車輛的行駛軌跡有助于智能控制及視頻結構化分析，而行駛車輛的車頭朝向是軌跡特征不可或缺的重要部分。由于視頻監控場景的復雜性及多樣性，使用傳統算法對車頭朝向進行識別需要對不同類型的場景進行單獨優化，場景通用性較差。而使用基于深度學習中的分類網絡模型僅能預測車頭的大致方向，而車輛在監控場景下可朝向任意方向行駛，故基于分類模型的方向判斷效果較差。

發明內容

為克服相關技術中存在的問題，本申請實施例提供了網絡訓練方法、車頭朝向識別方法、裝置及終端設備。

本申請是通過如下技術方案實現的：

第一方面，本申請實施例提供了一種網絡訓練方法，包括：

在包含目標車輛的圖像樣本中，確定能夠包含所述目標車輛的最小四邊形區域；

確定包含所述最小四邊形區域的第一矩形區域；

對所述第一矩形區域進行變換，生成多個目標區域；其中，每個所述目標區域中均包含所述目標車輛；

在所述最小四邊形區域的兩個第一頂角之間插入預設個數的插值點，并計算各個所述插值點相對于各個所述目標區域的中心點的偏移量；其中，所述第一頂角為靠近所述目標車輛的車頭一側的頂角；

基于所述多個目標區域和所述偏移量，對車頭朝向識別網絡進行訓練。

在第一方面的一種可能的實現方式中，所述確定包含所述最小四邊形區域的第一矩形區域，包括：

基于所述最小四邊形區域的四個頂角的坐標，確定包含所述最小四邊形區域的最小矩形區域，作為所述第一矩形區域。

在第一方面的一種可能的實現方式中，所述在所述最小四邊形區域的兩個第一頂角之間插入預設個數的插值點，并計算各個所述插值點相對于各個所述目標區域的中心點的偏移量，包括：

在兩個所述第一頂角之間以均勻間隔插入所述預設個數的插值點；

根據各個插值點的坐標以及對應的目標區域的高度和寬度，確定各個所述插值點相對于各個所述目標區域的中心點的偏移量。

第二方面，本申請實施例提供了一種車頭朝向識別方法，包括：

獲取待識別圖像，所述待識別圖像包含待識別車輛；

在所述待識別圖像中提取包含所述待識別車輛的第二矩形區域，并將所述第二矩形區域輸入經過訓練的車頭朝向識別網絡，得到位于所述待識別車輛的車頭兩角所在直線上的預設個數的回歸點相對于所述待識別車輛的中心點的偏移量；

基于所述偏移量、所述待識別車輛的中心點以及所述第二矩形區域的高度和寬度，確定各個所述回歸點的位置；

根據各個所述回歸點的位置和所述待識別車輛的中心點，確定所述待識別車輛的車頭朝向。

在第一方面的一種可能的實現方式中，所述基于所述偏移量、所述待識別車輛的中心點以及所述第二矩形區域的高度和寬度，確定各個所述回歸點的位置，包括：