[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛圖像分類改進(jìn)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111246569.2
• 申請(qǐng)日: 2021-10-26
• 公開（公告）號(hào): CN113989554A
• 公開（公告）日: 2022-01-28
• 發(fā)明（設(shè)計(jì)）人: 尹航
• 申請(qǐng)（專利權(quán)）人: 遼寧工程技術(shù)大學(xué)
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V20/40;G06V20/58;G06N3/04;G06T3/40;G06T5/00;G06T7/11;G06T7/40;G06T7/90
• 代理公司: 北京華夏正合知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11017
• 代理人: 韓登營;張麗萍

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛圖像分類改進(jìn)方法，其特征在于，包括如下步驟：

S1、對(duì)周圍環(huán)境信息進(jìn)行實(shí)時(shí)收集，并對(duì)其進(jìn)行圖像分類：環(huán)境采集設(shè)備對(duì)周圍環(huán)境信息進(jìn)行收集，并將采集到的環(huán)境信息通過數(shù)據(jù)轉(zhuǎn)換處理生成圖像數(shù)據(jù)，同時(shí)將對(duì)收集到的圖像數(shù)據(jù)進(jìn)行分類存儲(chǔ)，并對(duì)分類完成的圖像進(jìn)行預(yù)處理優(yōu)化；

S2、構(gòu)建神經(jīng)網(wǎng)絡(luò)，并將圖像導(dǎo)入神經(jīng)網(wǎng)絡(luò)中進(jìn)行特征提取：終端處理模塊構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，同時(shí)對(duì)各組圖像數(shù)據(jù)進(jìn)行特征提取，并依據(jù)提取的特征數(shù)據(jù)對(duì)各組圖像數(shù)據(jù)進(jìn)行分類更新；

S3、對(duì)各組圖像數(shù)據(jù)進(jìn)行優(yōu)化拼接處理生成視頻數(shù)據(jù)：卷積神經(jīng)網(wǎng)絡(luò)對(duì)各組圖像進(jìn)行分層優(yōu)化處理，并將優(yōu)化完成的圖像數(shù)據(jù)通過數(shù)據(jù)拼接處理生成視頻數(shù)據(jù)，并將其反饋給用戶；

S4、對(duì)視頻數(shù)據(jù)進(jìn)行分析，并進(jìn)行風(fēng)險(xiǎn)預(yù)警：卷積神經(jīng)網(wǎng)絡(luò)將生成的視頻數(shù)據(jù)傳輸至分析預(yù)警模塊，同時(shí)分析預(yù)警模塊對(duì)視頻數(shù)據(jù)進(jìn)行解析預(yù)測(cè)處理，并將預(yù)測(cè)結(jié)果實(shí)時(shí)反饋給用戶。

2.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛圖像分類改進(jìn)方法，其特征在于，步驟S1中所述分類存儲(chǔ)的具體步驟如下：

S11：將收集到的圖像數(shù)據(jù)按照前后左右進(jìn)行分組，并分別標(biāo)記為A、B、C、D；

S12：將各組圖像數(shù)據(jù)按照抓取時(shí)間先后進(jìn)行標(biāo)記，同時(shí)將標(biāo)記完成的數(shù)據(jù)依次導(dǎo)入云端數(shù)據(jù)庫中進(jìn)行存儲(chǔ)。

3.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛圖像分類改進(jìn)方法，其特征在于，步驟S1中所述預(yù)處理優(yōu)化的具體步驟如下：

S13：對(duì)各組圖像數(shù)據(jù)分別進(jìn)行圖像增強(qiáng)、濾波和降噪預(yù)處理；

S14：對(duì)處理好的各組圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)去重處理，同時(shí)對(duì)去重完成的圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)無損壓縮處理。

4.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛圖像分類改進(jìn)方法，其特征在于，步驟S2中所述分類更新的具體步驟如下：

S21：卷積神經(jīng)網(wǎng)絡(luò)對(duì)各組圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)檢測(cè)，并檢測(cè)各組圖像數(shù)據(jù)的RGBA值，并對(duì)圖像數(shù)據(jù)進(jìn)行灰度處理；

S22：對(duì)圖像數(shù)據(jù)進(jìn)行圖像分割，并對(duì)分割完成的各組圖像區(qū)域顏色、紋理以及形狀進(jìn)行特征提取，并將提取出的信息處理生成特征數(shù)據(jù)；

S23：將統(tǒng)一組圖像數(shù)據(jù)中提取的特征數(shù)據(jù)通過數(shù)據(jù)拼接處理生成判別數(shù)據(jù)；

S24：神經(jīng)網(wǎng)絡(luò)與互聯(lián)網(wǎng)通信連接，并依據(jù)互聯(lián)網(wǎng)對(duì)判別數(shù)據(jù)進(jìn)行檢索分析，并將其依據(jù)靜物與動(dòng)物進(jìn)行分類；

S25：將各組圖像數(shù)據(jù)中的靜物與動(dòng)物進(jìn)行標(biāo)記，同時(shí)對(duì)各組圖像數(shù)據(jù)中是否存在障礙物進(jìn)行分類。

5.根據(jù)權(quán)利要求2所述的基于卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛圖像分類改進(jìn)方法，其特征在于，步驟S3中所述分層優(yōu)化處理的具體步驟如下：

S31：將圖像數(shù)據(jù)進(jìn)行背景分離處理，并對(duì)分離完成的圖像進(jìn)行像素值調(diào)整；

S32：調(diào)整完成，對(duì)圖像數(shù)據(jù)通過高斯濾波進(jìn)行噪聲過濾以及圖像平滑，并同時(shí)對(duì)圖像進(jìn)行翻轉(zhuǎn)，對(duì)色彩、飽和以及對(duì)比度進(jìn)行調(diào)整；

S33：將A、B、C、D中同一時(shí)刻拍攝的圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)拼接，并分別標(biāo)記拍攝方位；

S34：將不同時(shí)刻拍攝的圖像數(shù)據(jù)按照拍攝先后順序進(jìn)行拼接，并將其處理生成視頻數(shù)據(jù)，同時(shí)將其實(shí)時(shí)反饋給用戶。

6.根據(jù)權(quán)利要求5所述的基于卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛圖像分類改進(jìn)方法，其特征在于，步驟S4中所述預(yù)測(cè)處理具體步驟如下：

S41：對(duì)視頻數(shù)據(jù)中靜物與動(dòng)物進(jìn)行分析，并對(duì)其是否阻礙用戶正常行駛進(jìn)行判斷，若不阻礙則標(biāo)記為T，若阻礙則標(biāo)記為F；

S42：若標(biāo)記為T，則再次判斷用戶行駛路徑兩側(cè)是否存在動(dòng)物，若存在，則反饋用戶“存在移動(dòng)物體，小心行駛”；

S43：若標(biāo)記為F，則為用戶進(jìn)行路線更新，同時(shí)對(duì)用戶行駛路徑是否動(dòng)物進(jìn)行判斷，若存在，則反饋用戶“存在移動(dòng)物體，小心行駛”。