[發明專利]一種基于深度學習目標檢測算法的抬頭顯示方法及裝置

在審

• 申請號: 202210105768.X
• 申請日: 2022-01-28
• 公開（公告）號: CN116563805A
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 孔令勝;張恩齊;呂寶林;郭俊達;劉虹良
• 申請（專利權）人: 中國科學院長春光學精密機械與物理研究所
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/22;G06V10/40;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 劉建偉

1.一種基于深度學習目標檢測算法的抬頭顯示方法，其特征在于，包括以下步驟：

基于所述深度學習算法對采集的圖像進行目標識別；

將所述圖像中識別出的特征物進行標出；

將標出的所述特征物圖像在車輛前擋風玻璃上進行顯示。

2.根據權利要求1所述的基于深度學習目標檢測算法的抬頭顯示方法，其特征在于，在所述基于所述深度學習算法對采集的圖像進行目標識別之前還包括：

采集待識別的圖像。

3.根據權利要求1所述的基于深度學習目標檢測算法的抬頭顯示方法，其特征在于，所述基于所述深度學習算法對采集的圖像進行目標識別具體包括：

判斷采集的所述圖像中是否存在特征物；

若存在所述特征物，則確定所述圖像中特征物的位置。

4.根據權利要求1所述的基于深度學習目標檢測算法的抬頭顯示方法，其特征在于，所述深度學習算法采用One-Stage目標檢測算法。

5.根據權利要求4所述的基于深度學習目標檢測算法的抬頭顯示方法，其特征在于，所述One-Stage目標檢測算法中選擇采用YOLO算法。

6.根據權利要求5所述的基于深度學習目標檢測算法的抬頭顯示方法，其特征在于，所述YOLO算法包括：

卷積層，所述卷積層采用Google?inceptionV1網絡，進行所述特征物提取；

目標檢測層，所述目標檢測層過四個卷積層和兩個全連接層，然后生成并輸出多個包圍盒；

NMS篩選層，所述篩選層對多個所述包圍盒進行篩選，過濾掉分數低于閾值的包圍盒，對剩下的包圍盒進行NMS非極大值抑制，去除掉重疊度比較高的包圍盒，最終得到最合適的若干個包圍盒。

7.一種基于深度學習目標檢測算法的抬頭顯示裝置，其特征在于，包括：

目標識別模塊，用于基于所述深度學習算法對采集的圖像進行目標識別；

標記模塊，用于將所述圖像中識別出的特征物進行標出；

顯示模塊，將標出的所述特征物圖像進行顯示。

8.根據權利要求7所述的基于深度學習目標檢測算法的抬頭顯示裝置，其特征在于，所述目標識別模塊包括：

判斷單元，用于判斷采集的所述圖像中是否存在特征物；

定位單元，若存在所述特征物，則確定所述圖像中特征物的位置。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲一個或多個程序，所述一個或多個程序可被一個或多個處理器執行，以實現如權利要求1-6任意一項所述的基于深度學習目標檢測算法的抬頭顯示方法中的步驟。

10.一種終端設備，其特征在于，包括：處理器、存儲器及通信總線；所述存儲器上存儲有可被所述處理器執行的計算機可讀程序；

所述通信總線實現處理器和存儲器之間的連接通信；

所述處理器執行所述計算機可讀程序時實現權利要求1-6任意一項所述的基于深度學習目標檢測算法的抬頭顯示方法中的步驟。