[發(fā)明專(zhuān)利]一種確定監(jiān)控圖像中斑馬線的方法、裝置、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011528075.9
• 申請(qǐng)日: 2020-12-22
• 公開(kāi)（公告）號(hào): CN112633151A
• 公開(kāi)（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 王耀農(nóng);王志慶;王亞運(yùn);林駿
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江大華技術(shù)股份有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 杜晶

1.一種確定監(jiān)控圖像中斑馬線的方法，其特征在于，所述方法包括：

針對(duì)接收到的至少兩個(gè)監(jiān)控圖像中的每個(gè)監(jiān)控圖像，將該監(jiān)控圖像輸入預(yù)先訓(xùn)練完成的概率模型，確定該監(jiān)控圖像的第一概率向量，其中所述第一概率向量包括該監(jiān)控圖像中每個(gè)像素點(diǎn)為斑馬線像素點(diǎn)的第一概率值；

將至少兩個(gè)監(jiān)控圖像的第一概率向量輸入預(yù)先訓(xùn)練完成的融合模型，確定所述至少兩個(gè)監(jiān)控圖像對(duì)應(yīng)的融合圖像的第二概率向量，其中所述第二概率向量包括融合圖像中每個(gè)像素點(diǎn)為斑馬線像素點(diǎn)的第二概率值；

針對(duì)所述融合圖像中的每個(gè)像素點(diǎn)，若該像素點(diǎn)的第二概率值不小于預(yù)設(shè)的概率閾值，則將該像素點(diǎn)確定為斑馬線像素點(diǎn)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將攜帶第一特征向量的至少兩個(gè)監(jiān)控圖像輸入預(yù)先訓(xùn)練完成的融合模型之前，所述方法還包括：

針對(duì)接收到的至少兩個(gè)監(jiān)控圖像中的每個(gè)監(jiān)控圖像，將該監(jiān)控圖像輸入預(yù)先訓(xùn)練完成的目標(biāo)檢測(cè)模型，確定該監(jiān)控圖像的第三概率向量和位置向量，其中所述位置向量包括該監(jiān)控圖像中斑馬線區(qū)域?qū)?yīng)的第一位置、每個(gè)物體對(duì)應(yīng)的第二位置，所述第三概率向量包括該監(jiān)控圖像中每個(gè)像素點(diǎn)為斑馬線像素點(diǎn)和任一物體像素點(diǎn)的第三概率值；

針對(duì)每個(gè)物體，若該物體的第二位置與所述斑馬線區(qū)域的第一位置部分重疊，則將該物體和所述斑馬線區(qū)域確定為關(guān)注目標(biāo)；并根據(jù)預(yù)先保存的關(guān)注目標(biāo)標(biāo)識(shí)，確定該監(jiān)控圖像的關(guān)注標(biāo)識(shí)向量，其中所述關(guān)注標(biāo)識(shí)向量中該監(jiān)控圖像的所述關(guān)注目標(biāo)的像素點(diǎn)對(duì)應(yīng)有所述關(guān)注目標(biāo)標(biāo)識(shí)；將所述第三概率向量和所述關(guān)注標(biāo)識(shí)向量輸入預(yù)先訓(xùn)練完成的權(quán)重確定模型，確定所述關(guān)注目標(biāo)的權(quán)重向量，其中所述權(quán)重向量包括所述關(guān)注目標(biāo)的每個(gè)像素點(diǎn)對(duì)應(yīng)的目標(biāo)權(quán)重系數(shù)；針對(duì)關(guān)注目標(biāo)對(duì)應(yīng)的每個(gè)像素點(diǎn)，根據(jù)該像素點(diǎn)對(duì)應(yīng)的目標(biāo)權(quán)重系數(shù)與該像素點(diǎn)的第一概率值，對(duì)該像素點(diǎn)的第一概率值進(jìn)行更新。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，若該物體的第二位置與所述斑馬線區(qū)域的第一位置部分重疊，所述將該物體和所述斑馬線區(qū)域確定為關(guān)注目標(biāo)之前，所述方法還包括：

基于至少兩個(gè)監(jiān)控圖像，確定該物體的速度，判斷所述速度是否大于預(yù)設(shè)的速度閾值，若是，則進(jìn)行后續(xù)將該物體和所述斑馬線區(qū)域確定為關(guān)注目標(biāo)的步驟。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，訓(xùn)練所述概率模型的過(guò)程包括：

獲取樣本集中任一樣本圖像，所述樣本圖像對(duì)應(yīng)有第一樣本概率向量，其中所述第一樣本概率向量包括所述樣本圖像中每個(gè)像素點(diǎn)為斑馬線像素點(diǎn)的第一樣本概率值；

通過(guò)原始概率模型，確定所述樣本圖像的第一識(shí)別概率向量，其中所述第一識(shí)別概率向量包括所述樣本圖像中每個(gè)像素點(diǎn)為斑馬線像素點(diǎn)的第一識(shí)別概率值；

根據(jù)所述第一樣本概率向量和所述第一識(shí)別概率向量，對(duì)原始概率模型進(jìn)行訓(xùn)練，得到訓(xùn)練完成的概率模型。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，訓(xùn)練所述融合模型的過(guò)程包括：

獲取樣本集中至少兩個(gè)樣本圖像的第一概率向量，所述至少兩個(gè)樣本圖像的第一概率向量對(duì)應(yīng)有樣本融合圖像的第二樣本概率向量，其中所述第二樣本概率向量包括所述樣本融合圖像中每個(gè)像素點(diǎn)為斑馬線像素點(diǎn)的第二樣本概率值；

通過(guò)原始融合模型，確定所述至少兩個(gè)樣本圖像對(duì)應(yīng)的識(shí)別融合圖像的第二識(shí)別概率向量，其中所述第二識(shí)別概率向量包括所述識(shí)別融合圖像中每個(gè)像素點(diǎn)為斑馬線像素點(diǎn)的第二識(shí)別概率值；

根據(jù)所述第二樣本概率向量和所述第二識(shí)別概率向量，對(duì)原始融合模型進(jìn)行訓(xùn)練，得到訓(xùn)練完成的融合模型。