[發(fā)明專利]場(chǎng)景識(shí)別方法與裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202111146364.7
• 申請(qǐng)日: 2021-09-28
• 公開（公告）號(hào): CN115880651A
• 公開（公告）日: 2023-03-31
• 發(fā)明（設(shè)計(jì)）人: 許軻
• 申請(qǐng)（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號(hào): G06V20/56
• 分類號(hào): G06V20/56;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京龍雙利達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11329
• 代理人: 李嘉晨;王君

本申請(qǐng)公開了一種場(chǎng)景識(shí)別方法和裝置，能夠提高計(jì)算速率。該方法包括：獲取車輛行駛信息；利用場(chǎng)景識(shí)別模型對(duì)車輛行駛信息進(jìn)行處理，以確定多個(gè)場(chǎng)景中每個(gè)場(chǎng)景的概率，場(chǎng)景識(shí)別模型為訓(xùn)練得到的高斯混合模型；在多個(gè)場(chǎng)景中，確定概率最高的場(chǎng)景為目標(biāo)場(chǎng)景。

技術(shù)領(lǐng)域

本申請(qǐng)涉及車輛領(lǐng)域，并且更具體地，涉及一種場(chǎng)景識(shí)別方法與裝置。

背景技術(shù)

人工智能(artificial intelligence,AI)是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。換句話說，人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式作出反應(yīng)的智能機(jī)器。人工智能也就是研究各種智能機(jī)器的設(shè)計(jì)原理與實(shí)現(xiàn)方法，使機(jī)器具有感知、推理與決策的功能。人工智能領(lǐng)域的研究包括機(jī)器人，自然語言處理，計(jì)算機(jī)視覺，決策與推理，人機(jī)交互，推薦與搜索，AI基礎(chǔ)理論等。

在自動(dòng)駕駛算法還無法實(shí)現(xiàn)端到端的全場(chǎng)景覆蓋自動(dòng)駕駛算法的情況下，在遇到不同的場(chǎng)景時(shí)，可以利用不同的自動(dòng)駕駛算法進(jìn)行處理，以提升對(duì)復(fù)雜場(chǎng)景的適應(yīng)能力。因此，需要對(duì)車輛行駛的場(chǎng)景進(jìn)行準(zhǔn)確識(shí)別。

可以通過人工設(shè)置規(guī)則進(jìn)行場(chǎng)景的識(shí)別，但是人工成本較高。可以利用神經(jīng)網(wǎng)絡(luò)模型對(duì)車輛行駛信息進(jìn)行處理，實(shí)現(xiàn)場(chǎng)景識(shí)別，但神經(jīng)網(wǎng)絡(luò)模型處理所需的時(shí)間較長，處理效率較低。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┮环N場(chǎng)景識(shí)別方法和裝置，能夠提高場(chǎng)景識(shí)別的處理效率。

第一方面，提供一種場(chǎng)景識(shí)別方法，該方法包括：獲取車輛行駛信息；利用場(chǎng)景識(shí)別模型對(duì)所述車輛行駛信息進(jìn)行處理，以確定多個(gè)場(chǎng)景中每個(gè)場(chǎng)景的概率，所述場(chǎng)景識(shí)別模型為訓(xùn)練得到的高斯混合模型；在所述多個(gè)場(chǎng)景中，確定概率最高的場(chǎng)景為目標(biāo)場(chǎng)景。

利用訓(xùn)練得到的高斯混合模型對(duì)車輛行駛信息進(jìn)行處理，確定目標(biāo)場(chǎng)景，可以降低人工成本，降低進(jìn)行場(chǎng)景識(shí)別所需的時(shí)間，提高處理效率。

結(jié)合第一方面，在一些可能的實(shí)現(xiàn)方式中，所述場(chǎng)景識(shí)別模型包括多個(gè)子模型，所述多個(gè)子模型與所述多個(gè)場(chǎng)景一一對(duì)應(yīng)，每個(gè)場(chǎng)景對(duì)應(yīng)的子模型用于根據(jù)所述車輛行駛信息確定所述場(chǎng)景的概率。

利用高斯混合模型對(duì)車輛行駛信息進(jìn)行處理，可以通過場(chǎng)景識(shí)別模型中每個(gè)場(chǎng)景對(duì)應(yīng)的子模型計(jì)算該場(chǎng)景的概率，從而確定概率最高的場(chǎng)景為目標(biāo)場(chǎng)景。

結(jié)合第一方面，在一些可能的實(shí)現(xiàn)方式中，在多個(gè)所述場(chǎng)景中的至少一個(gè)場(chǎng)景劃分為多個(gè)子場(chǎng)景的情況下，所述方法還包括：獲取第二訓(xùn)練數(shù)據(jù)集合，所述第二訓(xùn)練數(shù)據(jù)集合包括訓(xùn)練車輛行駛信息和所述訓(xùn)練車輛行駛信息對(duì)應(yīng)的訓(xùn)練子場(chǎng)景，所述多個(gè)子場(chǎng)景包括所述訓(xùn)練子場(chǎng)景；利用所述第二訓(xùn)練數(shù)據(jù)集合，訓(xùn)練所述多個(gè)子場(chǎng)景對(duì)應(yīng)的子模型；根據(jù)所述多個(gè)子場(chǎng)景對(duì)應(yīng)的子模型，更新所述場(chǎng)景識(shí)別模型。

在多個(gè)所述場(chǎng)景中的至少一個(gè)場(chǎng)景劃分為多個(gè)子場(chǎng)景的情況下，僅對(duì)多個(gè)子場(chǎng)景對(duì)應(yīng)的子模型進(jìn)行訓(xùn)練，即可實(shí)現(xiàn)對(duì)場(chǎng)景識(shí)別模型的更新。也就是說，在多個(gè)所述場(chǎng)景中的至少一個(gè)場(chǎng)景劃分為多個(gè)子場(chǎng)景的情況下，不需要對(duì)未發(fā)生變化的場(chǎng)景對(duì)應(yīng)的子模型重新進(jìn)行訓(xùn)練，降低了訓(xùn)練所需的時(shí)間和成本。

結(jié)合第一方面，在一些可能的實(shí)現(xiàn)方式中，所述多個(gè)子模型中高斯核的數(shù)量不同。

不同的子模型可以具有不同的高斯核數(shù)量。可以根據(jù)場(chǎng)景識(shí)別的復(fù)雜程度對(duì)各個(gè)場(chǎng)景對(duì)應(yīng)的子模型中高斯核的數(shù)量進(jìn)行設(shè)置。對(duì)于復(fù)雜度較低的場(chǎng)景，可以減少子模型中高斯核的數(shù)量，從而能夠降低訓(xùn)練該子模型所需的時(shí)間，并降低該子模型的復(fù)雜程度，縮短利用該子模型進(jìn)行概率計(jì)算所需的時(shí)間，提高場(chǎng)景識(shí)別的效率。

結(jié)合第一方面，在一些可能的實(shí)現(xiàn)方式中，所述車輛行駛信息包括多個(gè)物理信息，每個(gè)子模型用于對(duì)所述車輛行駛信息中所述子模型對(duì)應(yīng)的至少一個(gè)所述物理信息進(jìn)行處理，所述多個(gè)子模型中第一子模型與對(duì)應(yīng)的至少一個(gè)所述物理信息與第二子模型對(duì)應(yīng)的至少一個(gè)所述物理信息不同。