[發明專利]對車輛周圍的弱勢交通參與者進行分類的方法和裝置

在審

• 申請號: 202011121248.5
• 申請日: 2020-10-19
• 公開（公告）號: CN112270232A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 郭子杰;支蓉
• 申請（專利權）人: 戴姆勒股份公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04
• 代理公司: 北京永新同創知識產權代理有限公司 11376
• 代理人: 蔡勝利

本發明公開了一種對車輛周圍的弱勢交通參與者進行分類的方法和裝置。所述方法包括獲取車輛周圍的環境圖像；從環境圖像中分割出至少一個子圖像，其中，所述至少一個子圖像中的每個子圖像包括單個弱勢交通參與者，其中，弱勢交通參與者表示暴露于車輛周圍環境中的人；通過預先訓練的神經網絡對所述至少一個子圖像中的所有弱勢交通參與者進行分類，根據分類結果確定所有弱勢交通參與者的職業類型。通過根據本發明的對車輛周圍的弱勢交通參與者進行分類的方法和裝置，能夠通過車輛周圍的環境圖像，來確定車輛周圍的弱勢交通參與者的職業類型，從而能夠為駕駛員駕駛、自動駕駛、智能駕駛和/或輔助駕駛等提供更精確的關于弱勢交通參與者的信息。

技術領域

本發明涉及圖像處理領域，特別地，涉及一種對車輛周圍的弱勢交通參與者進行分類的方法和裝置。

背景技術

隨著車輛越來越多以及自動駕駛、智能駕駛、輔助駕駛等功能的普及，在車輛的行駛過程中，車輛周圍的環境信息對于車輛的駕駛過程至關重要。在環境信息中，關于車輛周圍環境中的人的信息是影響駕駛員駕駛、自動駕駛、智能駕駛、輔助駕駛等的重要信息。

通常，通過如下方式獲取車輛周圍環境中的人的信息：在車輛的行駛過程中，獲取車輛周圍環境的圖像，然后通過對該圖像中的人進行分類，來確定該圖像中的人是否屬于特定類型的人、例如是否屬于相對于位于車輛內部的人來說更容易被道路上的交通工具誤傷的人。

然而，以上獲取車輛周圍環境中的人的信息、即對圖像中的人進行分類的方式，僅將圖像中的人劃分為特定類型的人和非特定類型的人兩種類型。在這樣的分類方式下，駕駛員需要進一步判斷，才能確定如何進一步控制車輛；并且在自動駕駛、智能駕駛等情況下，這樣的分類方式可能會導致車輛由于無法獲知關于該屬于特定類型的人的準確信息，而無法準確地確定進一步控制車輛的方式進而導致交通擁堵甚至交通事故等。

因此，現有的對車輛周圍環境中的人進行分類的方式不能滿足駕駛需求。

發明內容

本發明的目的在于提供一種對車輛周圍的弱勢交通參與者進行分類的方法和裝置。

根據本發明的一方面，提供了一種對車輛周圍的弱勢交通參與者進行分類的方法，所述方法包括：獲取車輛周圍的環境圖像；從環境圖像中分割出至少一個子圖像，其中，所述至少一個子圖像中的每個子圖像包括單個弱勢交通參與者，其中，弱勢交通參與者表示暴露于車輛周圍環境中的人；通過預先訓練的神經網絡對所述至少一個子圖像中的所有弱勢交通參與者進行分類；根據分類結果確定所有弱勢交通參與者的職業類型。

可選地，通過預先訓練的神經網絡對所述至少一個子圖像中的所有弱勢交通參與者進行分類的步驟包括：針對作為所述神經網絡的輸入數據的所述至少一個子圖像中的每個子圖像：通過所述神經網絡的像素信息提取層，獲取所述子圖像的像素信息；通過所述神經網絡的特征提取層，根據獲取的像素信息提取所述子圖像的特征；通過所述神經網絡的分類層，根據提取的特征確定作為分類結果的輸出數據，其中，所述神經網絡的輸出數據表示所述子圖像中的弱勢交通參與者被分類為所述神經網絡進行分類的所有職業類型中的每個職業類型的概率，其中，根據分類結果確定所有弱勢交通參與者的職業類型的步驟包括：將輸出數據中具有最高概率的職業類型確定為所述弱勢交通參與者的職業類型。

可選地，獲取所述子圖像的像素信息的步驟包括：根據特征提取層的分辨率，對所述子圖像的分辨率進行調整，以獲得調整子圖像；獲取所述調整子圖像的每個顏色通道的像素值向量；對獲取的所有像素值向量中的每個元素進行歸一化，以獲得作為像素信息的與所有像素值向量分別對應的歸一化向量，其中，所述神經網絡的特征提取層根據獲得的歸一化向量通過卷積函數，提取以特征向量表示的所述子圖像的特征，其中，所述神經網絡的分類層根據提取的特征向量和分類層的權重向量，來確定輸出數據。