[發明專利]用于目標朝向識別的目標檢測方法及裝置、設備及介質

有效

• 申請號: 202011461936.6
• 申請日: 2020-12-14
• 公開（公告）號: CN112232317B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 孟紹旭;朱磊;李成軍;郭波;吳志洋
• 申請（專利權）人: 智道網聯科技（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 盛明星

本發明實施例提供了一種用于目標朝向識別的目標檢測方法及裝置、設備及介質，該方法包括：通過車輛上的圖像采集設備獲取行車過程中目標對象的圖像，其中，圖像信息包括：不同的朝向姿態；通過預先訓練的目標檢測模型，得到所述圖像的檢測結果，其中，所述目標檢測模型為使用多組數據通過機器學習訓練得出的，多組數據中的每組數據均包括：樣本圖像和所述樣本圖像的類別標簽、朝向標簽；根據所述檢測結果，得到所述目標對象的朝向姿態。通過目標檢測模型對目標對象進行檢測，得到檢測結果；而目標檢測模型是基于行車圖像以及預先確定的類別標簽和朝向標簽進行訓練后得到的，從而可以能夠有效識別目標對象的朝向，便于在車輛駕駛中的預警。

技術領域

本發明涉及交通技術領域，尤其涉及一種用于目標朝向識別的目標檢測方法及裝置、設備及介質。

背景技術

隨著人工智能和計算機視覺的飛速發展，智能交通系統成為了現代交通系統的發展方向，其中車輛檢測是智能交通系統的重要組成部分。近年來，隨著深度卷積神經網絡的流行，許多基于深度卷積網絡的目標檢測方法都取得了驚人的檢測精度。目前最先進的物體檢測方法主要分為兩類，一類是基于區域提取，如R-CNN，Fast R-CNN和Faster R-CNN等。這些方法是分兩個階段的，所以時間性能較差，難以實時運行。

而且，在現有技術中的檢測算法并沒有朝向識別的功能模塊，而在碰撞預警等領域中，識別車輛的姿態朝向在自動駕駛或輔助駕駛的應用場景中十分重要。

發明內容

本發明實施例提供一種用于目標朝向識別的目標檢測方法及裝置、設備及介質，能夠有效識別目標對象的朝向，便于在車輛駕駛中的預警。

第一方面，本發明實施例提供一種用于目標朝向識別的目標檢測方法，包括：

通過車輛上的圖像采集設備獲取行車過程中目標對象的圖像，其中，圖像信息包括：不同的朝向姿態；

通過預先訓練的目標檢測模型，得到所述圖像的檢測結果，其中，所述目標檢測模型為使用多組數據通過機器學習訓練得出的，多組數據中的每組數據均包括：樣本圖像和所述樣本圖像的類別標簽、朝向標簽；，

根據所述檢測結果，得到所述目標對象的朝向姿態。

進一步地，所述類別標簽包括車輛、行人中的至少一種；

所述朝向標簽包括：前、后、左、右、左前、右前、左后、右后；

其中，朝向標簽中的左前、右前、左后、右后的姿態用于碰撞預警；

其中，朝向標簽中的左前、右前、左后、右后的姿態用于預測后車是否會發生變道或拐彎。

進一步地，所述檢測結果包括下列至少一種：目標類別信息、朝向信息以及位置信息。

進一步地，所述目標檢測模型為Yolo模型；

所述Yolo模型的head層包括：

朝向識別網絡層，用于輸出目標對象的朝向姿態；

類別位置檢測網絡層，用于輸出目標對象的類別檢測結果以及位置識別結果。

進一步地，還包括：

在所述檢測結果中的朝向姿態為左前、右前、左后、右后中的任一種的情況下，獲取所述目標對象與本車輛的實時距離；

當所述目標對象與本車輛的實時距離越來越小時，發出碰撞預警信號。

進一步地，還包括：在所述檢測結果中的朝向姿態為左前、右前、左后、右后中的任一種的情況下，獲取所述目標對象與本車輛的實時距離；

當所述目標對象與本車輛的實時距離增大時，確定所述目標對象正在變道或轉彎。