CN109800654A

CN109800654A - 车载摄像头检测处理方法、装置及车辆

Info

Publication number: CN109800654A
Application number: CN201811581932.4A
Authority: CN
Inventors: 唐坤
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2018-12-24
Filing date: 2018-12-24
Publication date: 2019-05-24
Anticipated expiration: 2038-12-24
Also published as: CN109800654B

Abstract

本发明实施例提供一种车载摄像头检测处理方法、装置及车辆，该方法包括：接收车载摄像头在多个位置拍摄的多帧图像，每帧所述图像包括多个像素点；将所述多帧图像输入第一模型中，得到由所述第一模型输出的每个所述像素点属于污渍点的概率值；根据每个所述像素点属于污渍点的概率值，确定所述镜头的目标污渍区域；输出所述目标污渍区域的信息。该方法实现了对车载摄像头的镜头上的目标污渍区域的准确检测，进而保证了驾驶时的安全性。

Description

车载摄像头检测处理方法、装置及车辆

技术领域

本发明实施例涉及智能驾驶技术，尤其涉及一种车载摄像头检测处理方法、装置及车辆。

背景技术

车载摄像头在智能驾驶领域具有举足轻重的作用。例如，在自动驾驶过程中，需要由摄像头不断采集路面图像，自动驾驶车辆进而再基于这些图像进行自动驾驶控制。

车辆在行驶过程中，可能出现车载摄像头表面覆盖污渍的情况。例如，当车辆在雨天泥泞道路上行驶时，车载摄像头的镜头很容易被覆盖污泥。当车载摄像头的镜头被覆盖污渍后，无法拍摄到清晰的路面图像，导致图像数据的可靠性大大降低，严重影响智能驾驶时的安全。

发明内容

本发明实施例提供一种车载摄像头检测处理方法、装置及车辆，用于进行有效的车载摄像头检测。

本发明实施例第一方面提供一种车载摄像头检测处理方法，该方法包括：

接收车载摄像头在多个位置拍摄的多帧图像，每帧所述图像包括多个像素点；

将所述多帧图像输入第一模型中，得到由所述第一模型输出的每个所述像素点属于污渍点的概率值；

根据每个所述像素点属于污渍点的概率值，确定所述车载摄像头的镜头的目标污渍区域；

输出所述目标污渍区域的信息。

进一步的，所述将所述多帧图像输入第一模型中，得到由所述第一模型输出的每个所述像素点属于污渍点的概率值，包括：

将所述多帧图像分成多组图像，将每组图像依次输入所述第一模型中，得到所述每组图像的每个像素点属于污渍点的概率值；

所述根据每个所述像素点属于污渍点的概率值，确定所述车载摄像头的镜头的目标污渍区域，包括：

根据所述每组图像的每个像素点属于污渍点的概率值，得到所述每组图像对应的待选污渍区域；

根据所述每组图像对应的待选污渍区域，确定所述车载摄像头的镜头的目标污渍区域。

进一步的，所述根据所述每组图像的每个像素点属于污渍点的概率值，得到所述每组图像对应的待选污渍区域，包括：

选择所述每组图像中概率值大于预设阈值的候选像素点；

对所述候选像素点进行聚类处理，得到所述每组图像对应的所述待选污渍区域。

进一步的，所述根据所述每组图像对应的待选污渍区域，确定所述车载摄像头的镜头的目标污渍区域，包括：

确定由所述每组图像对应的待选污渍区域组成的多个待选污渍区域中覆盖同一局部区域的待选污渍区域的数量是否大于预设数量，若是，则将所述覆盖同一局部区域的待选污渍区域作为所述目标污渍区域。

进一步的，所述输出所述目标污渍区域的信息，包括：

选择所述车载摄像头所拍摄的多帧图像中的一帧图像作为待输出图像；

在所述待输出图像上对所述待输出图像对应的所述目标污渍区域进行标记并输出标记后的待输出图像；

输出第一提示信息，所述第一提示信息用于提示检查所述车载摄像头。

进一步的，所述接收车载摄像头在多个位置拍摄的多帧图像，包括：

在车辆处于行驶状态中，接收车载摄像头在多个位置拍摄的多帧图像。

进一步的，所述接收车载摄像头在多个位置拍摄的多帧图像之前，还包括：

使用预先标记的多帧训练图像对所述第一模型进行训练。

进一步的，所述使用预先标记的多帧训练图像对所述第一模型进行训练之前，还包括：

获取由训练摄像头采集的多帧污渍图像，所述训练摄像头被污渍覆盖；

将所述污渍图像中的每个像素点标记为污渍点或非污渍点，得到所述训练图像。

本发明实施例第二方面提供一种车载摄像头检测处理装置，该装置包括：

接收模块，用于接收车载摄像头在多个位置拍摄的多帧图像，每帧所述图像包括多个像素点；

处理模块，用于将所述多帧图像输入第一模型中，得到由所述第一模型输出的每个所述像素点属于污渍点的概率值；

确定模块，用于根据每个所述像素点属于污渍点的概率值，确定所述车载摄像头的镜头的目标污渍区域；

输出模块，用于输出所述目标污渍区域的信息。

进一步的，所述处理模块具体用于：

所述确定模块，包括：

第一确定单元，用于根据所述每组图像的每个像素点属于污渍点的概率值，得到所述每组图像对应的待选污渍区域；

第二确定单元，用于根据所述每组图像对应的待选污渍区域，确定所述车载摄像头的镜头的目标污渍区域。

进一步的，所述第一确定单元具体用于：

选择所述每组图像中概率值大于预设阈值的候选像素点；

进一步的，所述第二确定单元具体用于：

进一步的，所述输出模块，包括：

选择单元，用于选择所述车载摄像头所拍摄的多帧图像中的一帧图像作为待输出图像；

第一输出单元，用于在所述待输出图像上对所述待输出图像对应的所述目标污渍区域进行标记并输出标记后的待输出图像；

第二输出单元，用于输出第一提示信息，所述第一提示信息用于提示检查所述车载摄像头。

进一步的，所述接收模块具体用于：

进一步的，所述装置包括：

训练模块，用于使用预先标记的多帧训练图像对所述第一模型进行训练。

进一步的，所述装置还包括：

获取模块，用于获取由训练摄像头采集的多帧污渍图像，所述训练摄像头被污渍覆盖；

标记模块，用于将所述污渍图像中的每个像素点标记为污渍点或非污渍点，得到所述训练图像。

本发明实施例第三方面提供一种检测设备，包括：

存储器，用于存储程序指令；

处理器，用于调用并执行所述存储器中的程序指令，执行上述第一方面所述的方法步骤。

本发明实施例第四方面提供一种车辆，包括：

存储器，用于存储程序指令；

本发明实施例第五方面提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序用于执行上述第一方面所述的方法。

本发明实施例所提供的车载摄像头检测处理方法、装置及车辆，通过将车载摄像头在多个位置拍摄的多帧图像输入到第一模型中，得到每个像素点属于污渍点的概率值，基于该率值可以确定出车载摄像头的镜头上的目标污渍区域，进而可以输出该目标污渍区域的信息，从而实现了对车载摄像头的镜头上的目标污渍区域的准确检测，以及在准确检测出污渍区域后通过输出目标污渍区域的信息及时提醒用户对车载摄像头进行清理，进而保证车辆在智能驾驶时的安全性。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的车载摄像头检测处理方法所使用的场景示意图；

图2为本发明实施例提供的车载摄像头检测处理方法实施例一的流程示意图；

图3为本发明实施例提供的车载摄像头检测处理方法实施例二的流程示意图；

图4为本发明实施例提供的车载摄像头检测处理方法实施例三的流程示意图；

图5为本发明实施例提供的车载摄像头检测处理方法实施例四的流程示意图；

图6为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图；

图7为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图；

图8为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图；

图9为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图；

图10为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图；

图11为本发明实施例提供的一种检测设备的实体框图；

图12为本发明实施例提供的一种车辆的实体框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的车载摄像头检测处理方法所使用的场景示意图，如图1所示，该方法可以适用于安装有车载摄像头的车辆。当车辆在路面上行驶时，通过车辆上的车载摄像头采集路面图像，并基于本发明实施例的方法检测车载摄像头的镜头上是否存在污渍，并在车载摄像头的镜头上存在污渍及时提醒用户进行清理，从而保证车辆在智能驾驶时的安全性。

图2为本发明实施例提供的车载摄像头检测处理方法实施例一的流程示意图，该方法的执行主体为支持智能驾驶的车辆，例如支持自动驾驶的车辆。如图2所示，该方法包括：

S201、接收车载摄像头在多个位置拍摄的多帧图像，每帧上述图像包括多个像素点。

可选的，上述多帧图像中的每帧图像所包括的像素点的数量相同，每个像素点对应车载摄像头的镜头的一块区域。

可选的，对于一个特定的车载摄像头，其所拍摄的每帧图像的尺寸、像素点数量均相同，且与该车载摄像头所支持的尺寸相同。同时，每帧图像中的相同位置的像素点均对应车载摄像头的同一个区域。

示例性的，某车辆上的车载摄像头支持的尺寸为960*640像素，则该车载摄像头所拍摄的每帧图像的尺寸均为960*640像素。假设车载摄像头的镜头上有一块区域A，对应的像素点为(100，100)，则在该车载摄像头拍摄的多帧图像中，每帧图像的(100，100)位置均对应上述区域A。因此，如果镜头的区域A有污渍，则在车载摄像头所拍摄的每帧图像中，(100，100)这个像素点均为污渍点。

S202、将上述多帧图像输入第一模型中，得到由上述第一模型输出的每个上述像素点属于污渍点的概率值。

由上述步骤的描述可知，在本发明实施例中，“污渍点”是指车载摄像头的镜头上存在污渍的区域所对应的像素点。在本发明实施例中，是逐像素进行判断，即通过第一模型可以得到每个像素点为污渍点的概率。

可选的，上述第一模型可以为神经网络模型。

一种示例中，上述第一模型可以为一个语义分割模型。

可选的，在通过上述第一模型输出每个上述像素点属于污渍点的概率值之前，可以预先进行模型训练，以得到上述第一模型。上述第一模型的训练过程将在下述实施例中进行详细说明。

示例性的，假设车载摄像头的尺寸为960*640像素，则上述第一模型可以输出960*640个像素点中，每个像素点属于污渍点的概率值。

可选的，上述概率值可以为大于等于0小于等于1的数。

需要说明的是，由于在本发明实施例中，每帧图像的每个像素点对应镜头的一块区域，因此，上述像素点可以不限定是具体某帧图像中的像素点，而可以看作是镜头对应的一个像素点。

S203、根据每个上述像素点属于污渍点的概率值，确定上述镜头的目标污渍区域。

在具体实施过程中，镜头上被污渍覆盖的区域可能对应多个像素点，通过每个像素点属于污渍点的概率值，可以确定每个像素点是否为污渍点，并对属于污渍点的这些像素点进行处理，得到目标污渍区域。

S204、输出上述目标污渍区域的信息。

可选的，上述目标污渍的信息可以包括

本实施例中，通过将车载摄像头在多个位置拍摄的多帧图像输入到第一模型中，得到每个像素点属于污渍点的概率值，基于该率值可以确定出车载摄像头的镜头上的目标污渍区域，进而可以输出该目标污渍区域的信息，从而实现了对车载摄像头的镜头上的目标污渍区域的准确检测，以及在准确检测出污渍区域后通过输出目标污渍区域的信息及时提醒用户对车载摄像头进行清理，进而保证车辆在智能驾驶时的安全性。

在一种可选的实施方式中，在车辆处于行驶状态中，车辆可以接收车载摄像头在多个位置拍摄的多帧图像。

车辆在行驶过程中，所处的位置不断发生变化，因此，车载摄像头可以实时采集车辆在不同位置上的路面图像。由于这些图像是在不同位置采集的，因此，可以避免由于拍摄对象本身存在污渍而产生的误判断，同时，在车辆行驶过程中进行图像拍摄并基于这些图像进行摄像头镜头的污渍检测，可以简化处理过程，提升处理效率。

在上述实施例的基础上，本实施例涉及通过上述第一模型得到像素点属于污渍点的概率值以及确定上述目标污渍区域的过程。

在一种可选的实施方式中，可以通过如下方式得到像素点属于污渍点的概率值：

将上述多帧图像分成多组图像，将每组图像依次输入上述第一模型中，得到上述每组图像的每个像素点属于污渍点的概率值。

在具体实施过程中，车载摄像头可以按照预设的周期采集图像，每隔5秒采集一帧图像。经过多个周期的采集，可以得到上述多组图像。示例性的，车载摄像头每采集到两帧图像，车辆即将该两帧图像作为一组图像输入到上述第一模型中，第一模型基于该一组图像中的两帧图像，得到每个像素点属于污渍点的概率值。

可选的，在具体实施过程中，车辆选择的图像的组的数量可以为预设值。示例性的，车辆每采集到两帧图像，即将该两帧图像输入上述第一模型中，得到每个像素点属于物资点的概率值。直至输入的次数达到预设的组的数量。

进一步的，车辆在得到由每组图像得到的每个像素点属于污渍点的概率值后，可以进一步基于每组图像的每个像素点属于污渍点的概率值，确定出上述目标污渍区域。

图3为本发明实施例提供的车载摄像头检测处理方法实施例二的流程示意图，如图3所示，上述步骤S203中根据每个像素点属于污渍点的概率值确定上述目标污渍区域的一种可选方式包括：

S301、根据上述每组图像的每个像素点属于污渍点的概率值，得到上述每组图像对应的待选污渍区域。

可选的，针对一组图像，将该组图像输入上述第一模型后，可以得到该组图像对应的每个像素点属于污渍点的概率值。进而，可选的，可以通过如下方式得到该一组图像对应的待选污渍区域：

首先，选择上述每组图像中概率值大于预设阈值的候选像素点，其次，对上述候选像素点进行聚类处理，得到上述每组图像对应的上述待选污渍区域。

可选的，如果某个像素点属于污渍点的概率值大于预设阈值，则可以确定该像素点属于污渍点，可以作为候选像素点。通过该方法可以选择出镜头对应像素点中的所有候选像素点。进一步的，对这些像素点可以进行聚类处理，从而得到上述待选污渍区域。

需要说明的是，针对一组图像，该组图像对应的待选污渍区域可能为一个，也可能为多个，也可能不存在待选污渍区域，即待选污渍区域的个数为0，本发明实施例对此不做具体限定。

S302、根据上述每组图像对应的待选污渍区域，确定上述镜头的目标污渍区域。

可选的，可以确定由上述每组图像对应的待选污渍区域组成的多个待选污渍区域中覆盖同一局部区域的待选污渍区域的数量是否大于预设数量，若是，则将上述覆盖同一局部区域的待选污渍区域作为上述目标污渍区域。

其中，上述预设数量可以根据对图像分组的数量来确定。示例性的，假设图像的组的数量为5，即将5组图像分别输入上述第一模型中得到上述概率值，则本实施例中的预设数量可以为4。以下通过一个具体示例进行说明。

假设图像的组的数量为5，上述预设数量为4，在将5组图像分别输入上述第一模型并进行上述聚类处理之后，得到如下结果：第一组图像中的待选污渍区域为区域A，第二组图像中的待选污渍区域为区域A，第三组图像中不存在待选污渍区域，第四组图像中的待选污渍区域为区域A，第五组图像中的待选污渍区域为区域A。即在上述五组图像中，覆盖同一局部区域的待选污渍区域的数量为4，则可以确定上述区域A为一个目标污渍区域。

在具体实施过程中，每组图像对应的待选污渍区域可能为多个，在这种情况下，可以针对其中的每个待选污渍区域分别进行判断，从而得到上述目标污渍区域。

示例性的，假设图像的组的数量为5，上述预设数量为4，在将5组图像分别输入上述第一模型并进行上述聚类处理之后，得到如下结果：第一组图像中的待选污渍区域为区域A和区域B，针对区域A，可以按照上述示的方式确定其是否为目标污渍区域。针对区域B，可以进一步结合第二组图像至第五组图像对应的待选污渍区域中是否存在区域B，从而得到5组图像中区域B的数量，如果区域B的数量达到4，则可以确定区域B也为一个目标污渍区域。

可选的，在判断两个待选污渍区域是否覆盖同一局部区域时，可以通过判断两个待选区域的边缘像素点是否相同，或者边缘像素点重合的像素点的数量是否达到一定的阈值，本发明实施例对此不做具体限定。

在上述实施例的基础上，本实施例涉及输出目标污渍区域的信息的过程。

图4为本发明实施例提供的车载摄像头检测处理方法实施例三的流程示意图，如图4所示，上述步骤S204中输出目标污渍区域的信息的一种可选方式为：

S401、选择上述车载摄像头所拍摄的多帧图像中的一帧图像作为待输出图像。

可选的，可以对输入过上述第一模型的多帧图像进行比对，选择该多帧图像中亮度、清晰度等最佳的一帧图像作为待输出图像，或者，还可以选择该多帧图像中目标污渍区域对应的亮度、清晰度等最佳的一帧图像作为上述待输出图像。

S402、在上述待输出图像上对上述待输出图像对应的上述目标污渍区域进行标记并输出标记后的待输出图像。

可选的，可以将上述目标污渍区域的各边缘像素点调整为预设的颜色，或者，在上述目标污渍区域的中心增加预设的图案等。

具体实施过程中，可以将做过标记的上述待输出图像显示在设置在车辆内的显示界面上。

S403、输出第一提示信息，该第一提示信息用于提示检查上述车载摄像头。

可选的，上述第一提示信息可以为语音提示信息，也可以为文字提示信息。

示例性的，上述第一提示信息为文字提示信息时，可以在上述步骤S402中显示上述待输出图像时，在显示界面的预设位置，显示上述第一提示信息。例如，在上述显示界面的右上角显示上述第一提示信息。

示例性的，上述第一提示信息为语音提示信息时，可以在上述步骤S402中显示上述待输出图像时，播放上述第一提示信息。

在上述实施例的基础上，本实施例涉及训练上述第一模型的过程。

可选的，在使用上述第一模型得到每个像素点属于污渍点的概率值之前，可以使用预先标记的多帧训练图像对上述第一模型进行训练。

对于初始的第一模型，可以将标记的一组训练图像输入该第一模型中，得到该第一模型输出的该一组训练图像对应的每个像素点属于污渍点的概率值，根据该概率值与实际的像素的是否属于污渍点的信息，对上述第一模型进行修正，并继续使用训练图像验证第一模型，依次类推，直至第一模型的输出结果与标记的图像的实际信息的一致性达到目标要求，此时即可结束训练，得到可供使用的上述第一模型。

另一实施例中，在训练上述第一模型之前，可以首先获取标记的多帧训练图像。

图5为本发明实施例提供的车载摄像头检测处理方法实施例四的流程示意图，如图5所示，在训练第一模型之前，可以通过如下方法得到训练图像：

S501、获取由训练摄像头采集的多帧污渍图像，该述训练摄像头被污渍覆盖。

可选的，可以预先人工在训练摄像头的镜头上覆盖污渍，该训练摄像头可以是车载摄像头，也可以是其他与车载摄像头的支持尺寸一致的摄像头，本发明实施例对此不做具体限定。

S502、将上述污渍图像中的每个像素点标记为污渍点或非污渍点，得到上述训练图像。

可选的，当获取到上述污渍图像后，可以逐像素点进行标记，以标记出上述污渍图像中每个像素点是否属于污渍点。通过逐像素点对污渍图像进行标记，可以使得基于该污渍图像训练出的第一模型的准确率更高。

图6为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图，如图6所示，该装置包括：

接收模块601，用于接收车载摄像头在多个位置拍摄的多帧图像，每帧所述图像包括多个像素点。

处理模块602，用于将所述多帧图像输入第一模型中，得到由所述第一模型输出的每个所述像素点属于污渍点的概率值。

确定模块603，用于根据每个所述像素点属于污渍点的概率值，确定所述车载摄像头的镜头的目标污渍区域。

输出模块604，用于输出所述目标污渍区域的信息。

该装置用于实现前述方法实施例，其实现原理和技术效果类似，此处不再赘述。

另一实施例中，处理模块602具体用于：

图7为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图，如图7所示，确定模块603，包括：

第一确定单元6031，用于根据所述每组图像的每个像素点属于污渍点的概率值，得到所述每组图像对应的待选污渍区域。

第二确定单元6032，用于根据所述每组图像对应的待选污渍区域，确定所述车载摄像头的镜头的目标污渍区域。

另一实施例中，第一确定单元6031具体用于：

选择所述每组图像中概率值大于预设阈值的候选像素点；

另一实施例中，第二确定单元6032具体用于：

确定由所述每组图像对应的待选污渍区域组成的多个待选污渍区域中覆盖同一局部区域的待选污渍区域数量是否大于预设数量，若是，则将所述覆盖同一局部区域的待选污渍区域作为所述目标污渍区域。

图8为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图，如图8所示，输出模块604，包括：

选择单元6041，用于选择所述车载摄像头所拍摄的多帧图像中的一帧图像作为待输出图像。

第一输出单元6042，用于在所述待输出图像上对所述待输出图像对应的所述目标污渍区域进行标记并输出标记后的待输出图像。

第二输出单元6043，用于输出第一提示信息，所述第一提示信息用于提示检查所述车载摄像头。

另一实施例中，接收模块601具体用于：

图9为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图，如图9所示，所述装置还包括：

训练模块605，用于使用预先标记的多帧训练图像对所述第一模型进行训练。

图10为本发明实施例提供的一种车载摄像头检测处理装置的模块结构图，如图10所示，所述装置还包括：

获取模块606，用于获取由训练摄像头采集的多帧污渍图像，所述训练摄像头被污渍覆盖。

标记模块607，用于将所述污渍图像中的每个像素点标记为污渍点或非污渍点，得到所述训练图像。

图11为本发明实施例提供的一种检测设备的实体框图，该检测设备可以为车辆，也可以为安装在车辆内的检测设备，如图11所示，该检测设备1100包括：

存储器1101，用于存储程序指令。

处理器1102，用于调用并执行存储器1101中的程序指令，执行上述方法实施例中所述的方法步骤。

图12为本发明实施例提供的一种车辆的实体框图，如图12所示，该车辆1200包括：

存储器1201，用于存储程序指令。

处理器1202，用于调用并执行存储器1201中的程序指令，执行上述方法实施例中所述的方法步骤。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims

1.一种车载摄像头检测处理方法，其特征在于，包括：

输出所述目标污渍区域的信息。

2.根据权利要求1所述的方法，其特征在于，所述将所述多帧图像输入第一模型中，得到由所述第一模型输出的每个所述像素点属于污渍点的概率值，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述每组图像的每个像素点属于污渍点的概率值，得到所述每组图像对应的待选污渍区域，包括：

选择所述每组图像中概率值大于预设阈值的候选像素点；

4.根据权利要求2所述的方法，其特征在于，所述根据所述每组图像对应的待选污渍区域，确定所述车载摄像头的镜头的目标污渍区域，包括：

5.根据权利要求1-4任一项所述的方法，其特征在于，所述输出所述目标污渍区域的信息，包括：

6.根据权利要求1-4任一项所述的方法，其特征在于，所述接收车载摄像头在多个位置拍摄的多帧图像，包括：

7.根据权利要求1-4任一项所述的方法，其特征在于，所述接收车载摄像头在多个位置拍摄的多帧图像之前，还包括：

使用预先标记的多帧训练图像对所述第一模型进行训练。

8.根据权利要求7所述的方法，其特征在于，所述使用预先标记的多帧训练图像对所述第一模型进行训练之前，还包括：

9.一种车载摄像头检测处理装置，其特征在于，包括：

输出模块，用于输出所述目标污渍区域的信息。

10.根据权利要求9所述的装置，其特征在于，所述处理模块具体用于：

所述确定模块，包括：

11.根据权利要求10所述的装置，其特征在于，所述第一确定单元具体用于：

选择所述每组图像中概率值大于预设阈值的候选像素点；

12.根据权利要求10所述的装置，其特征在于，所述第二确定单元具体用于：

13.根据权利要求9-12任一项所述的装置，其特征在于，所述输出模块，包括：

14.根据权利要求9-12任一项所述的装置，其特征在于，所述接收模块具体用于：

15.根据权利要求9-12任一项所述的装置，其特征在于，所述装置包括：

16.根据权利要求15所述的装置，其特征在于，所述装置还包括：

17.一种检测设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用并执行所述存储器中的程序指令，执行权利要求1-8任一项所述的方法步骤。

18.一种车辆，其特征在于，包括：

存储器，用于存储程序指令；

19.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序用于执行权利要求1-8任一项所述的方法。