[發明專利]圖像的處理方法、處理裝置與計算機可讀存儲介質

在審

• 申請號: 202011617609.5
• 申請日: 2020-12-30
• 公開（公告）號: CN112597960A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 劉平
• 申請（專利權）人: 珠海廣通汽車有限公司;銀隆新能源股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06T7/11
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 宋子良

本申請提供了一種圖像的處理方法、處理裝置與計算機可讀存儲介質。該圖像的處理方法包括：獲取待處理的圖像，圖像的分辨率為第一分辨率；將圖像分割為多個子圖像，各子圖像的分辨率為第二分辨率，第二分辨率小于第一分辨率；將多個子圖像輸入神經網絡模型進行并行運算，識別出子圖像中的道路交通目標。本方案首先獲取待處理的圖像，然后將待處理的圖像分割為多個子圖像，再將多個子圖像同時輸入至神經網絡模型進行并行運算，雖然子圖像的分辨率小于待處理的圖像的分辨率，但是所有的子圖像包括了待處理的圖像的全部的特征，神經網絡模型對多個子圖像并行運算，在保證了分辨率的同時，保證了圖像處理的實時性。

技術領域

本申請涉及自動駕駛圖像識別領域，具體而言，涉及一種圖像的處理方法、處理裝置、計算機可讀存儲介質與處理器。

背景技術

近年來，在攝像頭圖像的目標識別檢測方面，借助深度學習神經網絡技術，性能得到了極大地提升。因此，深度學習目標檢測技術逐漸應用于自動駕駛攝像頭感知系統的目標檢測。而深度學習神經網絡在目標檢測的應用中，除了網絡模型的設計，數據訓練就是非常重要的工作，通過海量數據的訓練，才能得到所訓練的網絡模型上千萬甚至上億神經元的權重參數。數據訓練的質量，決定了該神經網絡用于車載實時檢測時的準確性。

申請人通過對目標檢測深度學習神經網絡模型在自動駕駛攝像頭圖像目標感知領域進行研究發現，在數據處理方面存在矛盾和不足之處如下：

1.分辨率和實時性的矛盾：

由于交通場景復雜，目標分布由近至遠、由左到右總是隨機分布的，且目標的大小、種類也是隨機分布的。因此，要在自動駕駛感知方面取得較好的檢測精度，需要攝像頭輸出圖像的分辨率越大越好，這樣離車距離較遠的目標才可以準確地檢測出來。但是，又由于車載傳輸及計算設備的帶寬和計算能力有限，不能一味地增大攝像頭輸出圖像的分辨率，那樣會導致擠占其它傳感器的傳輸帶寬，并且使得車載計算設備處理完一張圖像的耗時成平方倍增加，導致自動駕駛感知處理無法達到所需的實時性要求(對于攝像頭一般要求30HZ的處理頻率)。

2.資源浪費：為了確保較遠的視野，攝像頭一般接近水平拍攝的角度安裝在車輛上，所拍攝的圖像，上半部分通常含有大量的天空區域。而真正的待檢測目標，基本分布在圖像的下半部分。因此相當于上半部分的圖像數據，浪費了車載傳輸及計算設備的寶貴資源。

發明內容

本申請的主要目的在于提供一種圖像的處理方法、處理裝置、計算機可讀存儲介質與處理器，以解決現有技術中在自動駕駛感知方面圖像的分辨率和實時性相矛盾的問題。

為了實現上述目的，根據本申請的一個方面，提供了一種圖像的處理方法，包括：獲取待處理的圖像，所述圖像的分辨率為第一分辨率；將所述圖像分割為多個子圖像，各所述子圖像的分辨率為第二分辨率，所述第二分辨率小于所述第一分辨率；將多個所述子圖像輸入神經網絡模型進行并行運算，識別出所述子圖像中的道路交通目標。

進一步地，在將所述圖像分割為多個子圖像之后，且在將多個所述子圖像輸入神經網絡模型進行并行運算，識別出所述子圖像中的道路交通目標之前，所述方法還包括：將所述子圖像中的部分子圖像舍棄，舍棄的所述子圖像中不包括所述道路交通目標。

進一步地，所述方法還包括，將任意相鄰的兩個所述子圖像的部分相重疊，構成重疊區域。

進一步地，所述方法還包括：確定所述道路交通目標是否在所述重疊區域內；在所述道路交通目標在所述重疊區域的情況下，對所述道路交通目標進行重疊處理。