CN115984690A - 道路遗撒物的识别方法、装置及设备 - Google Patents
道路遗撒物的识别方法、装置及设备 Download PDFInfo
- Publication number
- CN115984690A CN115984690A CN202211658739.2A CN202211658739A CN115984690A CN 115984690 A CN115984690 A CN 115984690A CN 202211658739 A CN202211658739 A CN 202211658739A CN 115984690 A CN115984690 A CN 115984690A
- Authority
- CN
- China
- Prior art keywords
- scene
- picture
- group
- recognition result
- result picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种道路遗撒物的识别方法、装置及设备,应用于识别技术领域,该方法包括:获取预设道路场景的第一组场景图片和第二组场景图片,所述第一组场景图片和所述第二组场景图片均包括第一场景图片,所述第一场景图片的拍摄时间早于所述第一组场景图片和所述第二组场景图片中其他场景图片;通过预先训练的遗撒物识别模型分别处理所述第一组场景图片和所述第二组场景图片,得到表征图片变化的第一识别结果图片和第二识别结果图片;基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物,通过本发明解决了遗撒物错检的技术问题。
Description
技术领域
本发明属于智慧交通技术领域,尤其涉及一种道路遗撒物的识别方法、装置及设备。
背景技术
车辆在行驶过程中,经常有乘客从窗内往外遗撒废弃物,其品种五花八门,有饮料瓶、果皮、易拉罐、打火机等,也有货车车主未采取有效的防护措施,造成货物散落,主要有建材类、铁质类等等。这些道路遗撒物时刻危及公路上车辆的行车安全,极易引发交通事故。
现有技术通过目标检测模型对道路遗撒物进行遗撒物的识别。但是,由于道路上的物体种类繁杂,数据采集困难,然而当前目标检测模型却十分依赖数据样本数量和质量,导致通过样本训练而成的目标检测模型对道路遗撒物进行遗撒物的识别会出现错检、漏检遗撒物,导致检测结果置信度低。
发明内容
本发明实施例提供了一种道路遗撒物的识别方法、装置及设备,解决了检测结果置信度低的技术问题。
第一方面,本发明实施例提供了一种道路遗撒物的识别方法,包括:获取预设道路场景的第一组场景图片和第二组场景图片,所述第一组场景图片和所述第二组场景图片均包括第一场景图片,所述第一场景图片的拍摄时间早于所述第一组场景图片和所述第二组场景图片中其他场景图片;通过预先训练的遗撒物识别模型分别处理所述第一组场景图片和所述第二组场景图片,得到表征图片变化的第一识别结果图片和第二识别结果图片;基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物。
结合本发明的第一方面,在一些实施方式下,所述基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物,包括:如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在重叠区域,确定所述预设道路场景中存在静止的遗撒物;如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在不重叠区域,基于所述不重叠区域判断所述预设道路场景是否存在移动的遗撒物。
结合本发明的第一方面,在一些实施方式下,还包括预先训练原始差异判别模型的步骤,所述步骤包括:获取样本图片集,所述样本图片集包括多组样本图片,每组样本图片包括同一道路场景在无遗撒物状态下的第一样本图片、有遗撒物状态下的第二样本图片以及所述第二样本图片的掩码图片;基于所述样本图片集,训练所述原始差异判别模型,得到所述遗撒物识别模型。
结合本发明的第一方面,在一些实施方式下,在所述判定所述重叠区域存在静止的遗撒物之前,包括:将所述第一识别结果图片和所述第二识别结果图片进行像素值对比;基于像素值对比结果判定所述第一识别结果图片中变化区域和所述第二识别结果图片中变化区域是否有重叠区域。
结合本发明的第一方面,在一些实施方式下,在所述判定所述重叠区域存在静止的遗撒物之后,包括:对所述重叠区域添加外接矩形画框;获取所述外接矩形画框的中心点坐标;根据所述中心点坐标确定所述遗撒物的位置信息。
结合本发明的第一方面,在一些实施方式下,所述如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在不重叠区域,基于所述不重叠区域判断所述预设道路场景是否存在移动的遗撒物,包括:如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域存在没有重叠区域的M个目标变化区域,M为正整数;将所述M个目标变化区域中,属于所述第一识别结果图片的每个目标变化区域分别作为当前目标变化区域,确定所述当前目标变化区域与所述M个目标变化区域中属于第二识别结果图片的每个目标变化区域之间的距离,得到至少一个距离参数;根据所述至少一个距离参数确定出至少一组待判断区域;针对每组待判断区域,如果该组待判断区域对应的两个目标变化区域的图形差异小于预设差异阈值,判定所述第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物。
结合本发明的第一方面,在一些实施方式下,在所述判定所述第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物之后,还包括:获取所述预设道路场景的第三组场景图片,所述第三组场景图片包括第一场景图片和第二场景图片;通过所述遗撒物识别模型处理所述第三组场景图片,对应得到表征图片变化的第三识别结果图片;基于所述第一识别结果图片与所述第三识别结果图片重新判定所述预设道路场景是否存在移动的遗撒物,如果存在,输出所述预设道路场景存在移动的遗撒物的判定结果。
结合本发明的第一方面,在一些实施方式下,所述根据所述至少一个距离参数确定出至少一组待判断区域,包括:从所述至少一个距离参数中确定出最小距离参数所对应的一组待判断区域,或者从所述至少一个距离参数中确定出小于预设距离阈值的每个待判断区域。
第二方面,本发明实施例提供了一种道路遗撒物的识别装置,包括:场景图片获取单元,用于获取预设道路场景的第一组场景图片和第二组场景图片,所述第一组场景图片和所述第二组场景图片均包括第一场景图片,所述第一场景图片的拍摄时间早于所述第一组场景图片和所述第二组场景图片中其他场景图片;结果图片获取单元,用于通过预先训练的遗撒物识别模型分别处理所述第一组场景图片和所述第二组场景图片,得到表征图片变化的第一识别结果图片和第二识别结果图片;判定单元,用于基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物。
第三方面,本发明实施例提供了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述方法。
本发明实施例提供的一个或者多个技术方案,至少实现了如下技术效果或者优点:
本发明实施例提供的道路遗撒物的识别方法,包括:获取预设道路场景的第一组场景图片和第二组场景图片,第一组场景图片和第二组场景图片均包括第一场景图片,第一场景图片的拍摄时间早于第一组场景图片和所述第二组场景图片中其他场景图片;通过预先训练的遗撒物识别模型分别处理第一组场景图片和第二组场景图片,对应得到表征图片变化的第一识别结果图片和第二识别结果图片;基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物。上述技术方案中通过遗撒物识别模型能够区分前后两张场景图片的每个变化区域的情况下,结合第一组场景图片和第二组场景图片来判定有无遗撒物,通过优化应用层上的遗撒物识别算法,能够降低遗撒物识别模型对训练样本图片的依赖,避免了样本图片不足导致的检测问题,从而,解决了遗撒物错检和漏检的技术问题,提高了检测结果置信度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明实施例中道路遗撒物的识别方法流程图;
图2为本发明实施例中预设道路场景存在静止的遗撒物的场景图片的具体示意图;
图3为本发明实施例中训练得到遗撒物识别模型的一组样本图片的具体示意图;
图4为本发明实施例中预设道路场景存在静止的遗撒物和移动的遗撒物的场景图片的具体示意图;
图5为本发明实施例中预设道路场景存在静止的遗撒物和窗外物体的场景图片的具体示意图;
图6为本发明实施例中道路遗撒物的识别装置的功能模块图;
图7为本发明实施例中电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明的一部分实施例,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。
在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明实施例提供了一种道路遗撒物的识别方法,应用于能够与传感设备进行数据交互的电子设备,该电子设备可以是RSU(Road Side Unit,路侧单元),RSU是ETC***中安装在路侧,采用DSRC(Dedicated Short Range Communication)技术,与车载单元(OBU,On Board Unit)进行通讯,以实现对道路遗撒物识别等功能的装置。
参考图1所示,该道路遗撒物的识别方法包括以下步骤:
S101:获取预设道路场景的第一组场景图片和第二组场景图片,第一组场景图片和第二组场景图片均包括第一场景图片,第一场景图片的拍摄时间早于第一组场景图片和第二组场景图片中其他场景图片;
需要说明的是,获取预设道路场景不同时间拍摄的三帧图片,第一组场景图片可以是指第一场景图片以及与第一场景图片相邻的下一帧场景图片,第二组场景图片可以是指第一场景图片以及在第一场景图片之后间隔N帧的一帧场景图片,N为正整数。
具体的,以相邻场景图片之间的拍摄间隔时长是三十分之一秒,第一场景图片为第一帧为例,第一组场景图片中另一场景图片为第二帧,第二组场景图片中另一场景图片可以为第三帧或者第四帧或者第五帧。
S102:通过预先训练的遗撒物识别模型分别处理第一组场景图片和第二组场景图片,对应得到表征图片变化的第一识别结果图片和第二识别结果图片。
参考图2所示,采用遗撒物识别模型处理第一组场景图片,识别第一组场景图片中两帧场景图片之间的变化区域,得到第一识别结果图片;采用遗撒物识别模型处理第二组场景图片,识别第二组场景图片中两帧场景图片之间的变化区域,得到第二识别结果图片。具体来讲,第一识别结果图片和第二识别结果图片均为二值化图片,且都表征两帧图片之间的遗撒物变化。
遗撒物识别模型可以是基于对原始差异判别模型进行训练得到,其中,原始差异判别模型可以是SNUnet(Siam-NestedUNet,变化检测网络),也可以采用类似的判别模型代替。
具体来讲,获取样本图片集,其中,样本图片集包括多组样本图片,参考图3所示,每组样本图片包括道路场景在无遗撒物状态下的第一样本图片、有遗撒物状态下的第二样本图片以及第二样本图片的掩码图片;基于样本图片集训练原始差异判别模型,得到遗撒物识别模型。
获取多个道路场景的历史场景图片集;按照是否有遗撒物对历史场景图片集中各帧历史场景图片进行分类,得到两类场景图片,其中,第一类样本图片是指在无遗撒物状态下的各个第一样本图片;第二类样本图片是指有遗撒物状态下的各个第二样本图片。
可以理解的是,每个第二样本图片的掩码图片的生成过程,包括:对每个第二样本图片的遗撒物区域进行标注;对标注遗撒物区域后的每个第二样本图片进行二值化处理,生成第二样本图片的掩码图片。
具体的,对遗撒物区域的标注可以是人工标注,具体可以是圈出遗撒物区域,或者在遗撒物区域上画一点,通过人工标注实现了准确区分遗撒物与行人及车辆,避免了训练出来的遗撒物识别模型将车辆和行人识别为遗撒物,提高了训练遗撒物识别模型的可靠度。
在具体实施过程中,存在遗撒物的场景图片一般较少,导致负的样本图片数量不足,可以随机从第一类样本图片中选择多个第一样本图片,通过修图的方式对选择的每个第一样本图片添加遗撒物,来得到某一个道路场景下的第一样本图片对应的第二样本图片,以解决负的样本图片数量不足的问题。
S103:基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物。
在本发明实施例中,第一识别结果图片和第二识别结果图片中变化区域是可能存在遗撒物的区域,参考图2所示,第一识别结果图片中的区域a和区域b为变化区域;第二识别结果图片中的区域c和区域d为变化区域。
需要说明的是,在S103中的基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物,包括以下两种情况A1和A2:
A1:如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在重叠区域,确定所述预设道路场景中存在静止的遗撒物。
在A1中,通过将第一识别结果图片和第二识别结果图片进行像素值对比;基于像素值对比结果判定第一识别结果图片中变化区域和第二识别结果图片中变化区域是否有重叠区域。
可以理解的是,基于像素值对比结果判定第一识别结果图片中变化区域和第二识别结果图片中变化区域是否有重叠区域有多种实施方式,下面举两个例子来说明:
实施方式一:
以第一识别结果图片和第二识别结果图片中白色像素值是255、黑色像素值是0为例,获取第一识别结果图片中每个像素点的像素值,并获取第二识别结果图片中每个像素点的像素值,比较第一识别结果图片和第二识别结果图片中相同位置对应的像素点的像素值是否均为255,在将第一识别结果图片与第二识别结果图片中每个像素点的像素值比较完成后,则同一像素点的像素值在第一识别结果图片和第二识别结果图片中的像素值均为255的各个像素点所形成的像素点集合作为重叠区域。参考图2举例来讲,第一识别结果图片的区域a和第二识别结果图片的区域d为变化区域中的重叠区域。
实施方式二:
获取第一识别结果图片中变化区域,对第一识别结果图片中变化区域的每个变化区域添加外接矩形画框;获取第二识别结果图片中变化区域,对第二识别结果图片中变化区域的每个变化区域添加外接矩形画框;将第一识别结果图片中的每个外接矩形画框依次与第二识别结果图片中的每个外接矩形画框作比较,如果第一识别结果图片中任意一个外接矩形画框与第二识别结果图片中任意一个外接矩形画框构成的一组外接矩形画框,满足位置坐标偏差小于预设坐标阈值且大小偏差小于预设大小偏差阈值,判定该组外接矩形画框对应的变化区域为重叠区域。
通过上述的像素值比对,实现了准确判断第一识别结果图片中变化区域和第二识别结果图片中变化区域的异同点,所以能够判断是否有重叠区域,进而,可以判断出是否有静止的遗撒物。
在判定重叠区域存在静止的遗撒物之后,还可以基于重叠区域的外接矩形画框确定遗撒物的位置信息。具体来讲,对重叠区域添加外接矩形画框,获取外接矩形画框的中心点坐标,根据中心点坐标确定静止的遗撒物的位置信息。
直接将外接矩形画框的中心点坐标作为重叠区域对应的中心点坐标,以重叠区域对应的中心点坐标直接表示静止的遗撒物的位置信息,可以更加准确确定遗撒物的位置信息。
需要说明的是,由于在实际场景中遗撒物可以是不移动的,也可以是移动的,通过上述步骤S101-S103,仅仅判断出了第一识别结果图片中变化区域和第二识别结果图片中变化区域在相同位置之间的重叠区域,也就是仅仅识别出了静止的遗撒物,但是由于移动的遗撒物,实际上在第一识别结果图片中变化区域和第二识别结果图片中变化区域没有对应的重叠区域,导致通过判断第一识别结果图片中变化区域和第二识别结果图片中变化区域在相同位置有无重叠区域,是无法识别出移动的遗撒物的。
参考图4,区域a和区域d是重叠区域,所以有同一遗撒物,区域e和区域f也有同一遗撒物,但并不是重叠区域,可以理解的是,区域a和区域d对应静止的遗撒物,区域e和区域f对应移动的遗撒物,因此,需要继续根据第一识别结果图片与第二识别结果图片中除重叠区域之外的变化区域判断预设道路场景内是否存在移动的遗撒物。
因此,除了第一种情况A1,还包括第二种情况A2:如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在不重叠区域,基于所述不重叠区域判断所述预设道路场景是否存在移动的遗撒物。
具体的,还包括以下步骤S1031~S1034:
S1031:判断第一识别结果图片中变化区域与第二识别结果图片中变化区域是否存在没有重叠区域的M个目标变化区域,M为正整数;如果存在,执行步骤S1032,如果不存在,判定第二识别结果图片的待判断区域对应的预设道路场景不存在移动的遗撒物。
具体的,将第一识别结果图片中变化区域和第二识别结果图片中变化区域重叠的变化区域滤除,得到M个目标变化区域。
参考图4举例来讲,滤除区域a和区域d,得到4个目标变化区域,4个目标变化区域包括:第一识别结果图片的区域b和区域e,以及第二识别结果图片的区域c和区域f。
S1032:将M个目标变化区域中,属于第一识别结果图片的每个目标变化区域分别作为当前目标变化区域,确定当前目标变化区域与M个目标变化区域中属于第二识别结果图片的每个目标变化区域之间的距离,得到至少一个距离参数。
具体的,距离参数可以是欧式距离,参考图4所示举例来讲,将第一识别结果图片中区域b和区域e分别作为当前目标变化区域,分别计算区域b和第二识别结果图片区域c之间的欧式距离、计算区域b和第二识别结果图片区域f之间的欧式距离、计算区域e和第二识别结果图片区域c之间的欧式距离、计算区域e和第二识别结果图片中区域f之间的欧式距离,对应得到4个距离值。
S1033:根据至少一个距离参数确定出至少一组待判断区域。
需要说明的是,根据至少一个距离参数确定出至少一组待判断区域时,具体的实施方式可以是:从至少一个距离参数中确定出最小距离参数所对应的一组待判断区域,也可以是从至少一个距离参数中确定出小于预设距离阈值的每个待判断区域。另外,选取距离较小的一组变化区域作为一组待判断区域,是因为在间隔几帧的短时间内,移动的遗撒物能够移动的范围较小。
具体的,一组待判断区域表示可能存在同一遗撒物的两个变化区域,对应包括:第一识别结果图片中的一个变化区域和第二识别结果图片中的一个变化区域。
参考图4,以距离参数是欧式距离为例,分别将步骤S1032中得出的每个欧式距离和预设距离阈值作比较,得到小于预设距离阈值的每个欧式距离。举例来讲,假设区域e和区域f之间的欧式距离小于预设距离阈值,则将区域e和区域f作为一组待判断区域,假设区域e和区域c之间的欧式距离不小于预设距离阈值,则不会将区域e和区域f作为一组待判断区域。
S1034:针对每组待判断区域,如果该组待判断区域对应的两个目标变化区域的图形差异小于预设差异阈值,判定第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物,如果该组待判断区域对应的两个目标变化区域的图形差异不小于预设差异阈值,判定第二识别结果图片的待判断区域对应的预设道路场景不存在移动的遗撒物。
需要说明的是,两个目标变化区域的图形差异包括图形大小的差异和/或图形形状的差异。对应的,预设差异阈值包括:尺寸差异阈值和/或形状差异阈值。
下面以图形差异同时包括图形大小的差异和图形形状的差异为例,参考图4举例来讲,对区域e添加外接矩形画框,对区域f添加外接矩形画框;对比两个外接矩形画框的大小以及形状;区域e的外接矩形画框和区域f的外接矩形画框之间的大小差异小于尺寸差异阈值,且形状差异小于形状差异阈值,判定预设道路场景在区域f对应的位置存在移动的遗撒物。由于变化区域是不规则图形,所以通过添加外接矩形画框的方式来比较大小差异,以方便判断变化区域的图形差异。
由于上述步骤S1031~S1034是结合了距离判断和图形差异判断,距离判断可以区分变化距离较远和较近的一组变化区域,避免了将距离较远的一组变化区域看做一组待判断区域,图形差异判断可以区分一组待判断区域的大小差异或形状差异,避免了将图形差异较大的一组待判断区域识别为存在遗撒物的变化区域,所以,上述步骤使得判定有无移动的遗撒物的方式更加准确可靠,使得遗撒物识别模型不仅可以识别静止的遗撒物,还可以识别移动的遗撒物,以提高遗撒物识别的类型,进而,提高了遗撒物识别的准确率。
可以理解的是,在判定第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物之后,也会存在误检,比如车窗内偶尔伸出然后收回的窗外物体,基于步骤S1031~S1034会被识别为移动的遗撒物,然而,窗外物体虽然是移动的,但是实际上并不是遗撒物,因此,需要在判定第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物之后,再判断移动的遗撒物是否为会收回来的窗外物体。
针对于窗外物体错误判断为移动的遗撒物的问题,在判定第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物之后,还可以包括以下步骤S1035~S1037:
S1035:获取预设道路场景的第三组场景图片,第三组场景图片包括第一场景图片和第二场景图片;
需要说明的是,第二场景图片是对拍摄时间大幅晚于第一组场景图片和第二组场景图片的拍摄时间,第二场景图片与第一场景图片之间的间隔时间较长,可以根据实际需求设置,比如:第一场景图片是第一帧,第二场景图片是第50帧。
S1036:通过遗撒物识别模型处理第三组场景图片,对应得到表征图片变化的第三识别结果图片。
具体的,参考图5所示,遗撒物识别模型处理第三组场景图片,识别第二场景图片相对于第一场景图片的变化区域,得到第三识别结果图片。在具体实施过程中,基于第三组场景图片得到第三识别结果图片的具体处理过程与基于第一组场景图片得到第一识别结果图片的具体处理过程相似,因此,可以参考步骤S102。
S1037:基于第一识别结果图片与第三识别结果图片重新判定预设道路场景是否存在移动的遗撒物,如果存在,输出预设道路场景存在移动的遗撒物的判定结果,如果不存在,输出预设道路场景不存在移动的遗撒物的判定结果。
步骤S1037与上述步骤S1031~S1034处理过程相同或者相似,可以参考步骤S1031~S1034。
因为对于车窗内偶尔伸出然后收回的窗外物体,比如,车内用户的手机,在短暂伸出窗外后,会立即收回,在这种情况下会出现:第一场景图片和第二场景图片中没有该物体,但是在第一场景图片和第二场景图片之间的其他帧场景图片会有该物体,就会导致判定为预设道路场景存在移动的遗撒物。因此,步骤S1035-S1037结合了第一识别结果图片与第三识别结果图片,通过分析间隔时间较长的场景图片的变化区域,实现了对车窗内偶尔伸出然后收回的窗外物体的准确判断,因此,在错误判断第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物之后,遗撒物识别模型能够进行自动纠错,并输出预设道路场景不存在移动的遗撒物的判定结果,进而,提高了遗撒物识别的准确率。
需要说明的是,在步骤S1037中基于第一识别结果图片与第三识别结果图片重新判定预设道路场景是否存在移动的遗撒物,可以包括以下步骤:
步骤1:判断第一识别结果图片中变化区域与第三识别结果图片中变化区域是否存在没有重叠区域的N个目标变化区域,N为正整数,如果存在,执行步骤2,如果不存在,输出预设道路场景不存在移动的遗撒物的判定结果。
具体的,将第一识别结果图片中变化区域和第三识别结果图片中变化区域重叠的变化区域滤除,得到N个目标变化区域。参考图5举例来讲,滤除区域k和区域a,得到3个目标变化区域,3个目标变化区域包括:第一识别结果图片的区域g,以及第三识别结果图片的区域n和区域m。
步骤2:将N个目标变化区域中,属于第一识别结果图片的每个目标变化区域分别作为当前目标变化区域,确定当前目标变化区域与N个目标变化区域中属于第三识别结果图片的每个目标变化区域之间的距离,得到至少一个距离参数;
具体的,距离参数可以是欧式距离,参考图5进行举例来讲,将第一识别结果图片中区域g作为当前目标变化区域,分别计算区域g和第三识别结果图片区域n之间的欧式距离,以及区域g和第三识别结果图片区域m之间的欧式距离,得到2个距离值。
步骤3:根据至少一个距离参数确定出至少一组待判断区域。
步骤4:针对每组待判断区域,如果该组待判断区域对应的两个目标变化区域的图形差异小于预设差异阈值,判定第三识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物,如果该组待判断区域对应的两个目标变化区域的图形差异不小于预设差异阈值,判定第三识别结果图片的待判断区域对应的预设道路场景不存在移动的遗撒物。
通过上述步骤1~4,可以在将偶尔伸出窗外的窗外物体错误判断为移动的遗撒物之后,进行自动纠错,进而,提高了遗撒物识别的准确率。
基于同一发明构思,参考图6所示,本发明实施例提供一种道路遗撒物的识别装置10,包括:场景图片获取单元110,用于获取同一预设道路场景的第一组场景图片和第二组场景图片,第一组场景图片和第二组场景图片均包括第一场景图片,第一场景图片的拍摄时间早于第一组场景图片和第二组场景图片中其他场景图片;结果图片获取单元120,用于通过预先训练的遗撒物识别模型分别处理第一组场景图片和第二组场景图片,对应得到表征图片变化的第一识别结果图片和第二识别结果图片;判定单元130,用于基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物。
可以理解的是,判定单元130,具体用于:如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在重叠区域,确定所述预设道路场景中存在静止的遗撒物;如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在不重叠区域,基于所述不重叠区域判断所述预设道路场景是否存在移动的遗撒物。
可以理解的是,道路遗撒物的识别装置10还包括模型训练单元140,模型训练单元140包括:样本图片获取子单元1410,用于获取样本图片集,样本图片集包括多组样本图片,每组样本图片包括同一道路场景在无遗撒物状态下的第一样本图片、有遗撒物状态下的第二样本图片、以及第二样本图片的掩码图片;训练子单元1420,用于基于样本图片集,训练原始差异判别模型,得到遗撒物识别模型。
可以理解的是,样本图片获取子单元1410,包括:标注模块14110,用于针对每个第二样本图片的遗撒物区域进行标注;掩码图片生成模块14120,用于对标注后的每个第二样本图片进行二值化处理,生成第二样本图片的掩码图片。
可以理解的是,判定单元130还包括:像素值对比子单元1310,用于将第一识别结果图片和第二识别结果图片进行像素值对比;重叠识别子单元1320,用于基于像素值对比结果判定第一识别结果图片中变化区域和第二识别结果图片中变化区域是否有重叠区域。
可以理解的是,道路遗撒物的识别装置10还包括定位单元150,定位单元150包括:画框添加子单元1510,用于对重叠区域添加外接矩形画框;坐标获取子单元1520,用于获取外接矩形画框的中心点坐标;位置确定子单元1530,用于根据中心点坐标确定遗撒物的位置信息。
可以理解的是,判定单元130还包括:距离计算子单元1310,用于如果第一识别结果图片中变化区域与第二识别结果图片中变化区域存在没有重叠区域的M个目标变化区域,M为正整数;将M个目标变化区域中,属于第一识别结果图片的每个目标变化区域分别作为当前目标变化区域,确定当前目标变化区域与M个目标变化区域中属于第二识别结果图片的每个目标变化区域之间的距离,得到至少一个距离参数;区域确定子单元1320,用于根据至少一个距离参数确定出至少一组待判断区域;图形差异判断子单元1330,用于针对每组待判断区域,如果该组待判断区域对应的两个目标变化区域的图形差异小于预设差异阈值,判定第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物。
可以理解的是,场景图片获取单元110,还用于:获取预设道路场景的第三组场景图片,第三组场景图片包括第一场景图片和第二场景图片;结果图片获取单元120,还用于:通过遗撒物识别模型处理第三组场景图片,对应得到表征图片变化的第三识别结果图片;判定单元130,还用于:基于第一识别结果图片与第三识别结果图片重新判定预设道路场景是否存在移动的遗撒物,如果存在,输出预设道路场景存在移动的遗撒物的判定结果。
可以理解的是,区域确定子单元1320具体用于:从至少一个距离参数中确定出最小距离参数所对应的一组待判断区域,或者从至少一个距离参数中确定出小于预设距离阈值的每个待判断区域。
应当理解的是,本发明实施例中道路遗撒物的识别装置的更多实施细节参考前述道路遗撒物的识别方法所述,为了说明书的简洁,在此不再赘述。
基于同一发明构思,本发明实施例还提供了一种道路遗撒物的识别设备的供电电路,如图7所示,包括存储器704、处理器702及存储在存储器704上并可在处理器702上运行的计算机程序,处理器702执行程序实现道路遗撒物的识别方法实施例任一实施方式所述的步骤。
其中,在图7中,总线架构(用总线700来代表),总线700可以包括任意数量的互联的总线和桥,总线700将包括由处理器702代表的一个或多个处理器和存储器704代表的存储器的各种电路链接在一起。总线700还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口705在总线700和接收器701和发送器703之间提供接口。接收器701和发送器703可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器702负责管理总线700和通常的处理,而存储器704可以被用于存储处理器702在执行操作时所使用的数据。
通过本发明实施例实现了在遗撒物识别模型能够区分前后两张场景图片的每个变化区域的情况下,优化了后处理的步骤,结合第一组场景图片和第二组场景图片来判定有无遗撒物,避免了仅仅根据第一组场景图片来判定有无遗撒物,所以,能够克服因变化区域较多而引起的遗撒物识别错误的问题,从而,解决了遗撒物错检的技术问题,提高了遗撒物识别的准确率。
本文中所描述的功能可在硬件、由处理器执行的软件、固件或其任何组合中实施。如果在由处理器执行的软件中实施,那么可将功能作为一或多个指令或代码存储于计算机可读媒体上或经由计算机可读媒体予以传输。其它实例及实施方案在本发明及所附权利要求书的范围及精神内。举例来说,归因于软件的性质,上文所描述的功能可使用由处理器、硬件、固件、硬连线或这些中的任何者的组合执行的软件实施。此外,各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为控制装置的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围。
Claims (10)
1.一种道路遗撒物的识别方法,其特征在于,包括:
获取预设道路场景的第一组场景图片和第二组场景图片,所述第一组场景图片和所述第二组场景图片均包括第一场景图片,所述第一场景图片的拍摄时间早于所述第一组场景图片和所述第二组场景图片中其他场景图片;
通过预先训练的遗撒物识别模型分别处理所述第一组场景图片和所述第二组场景图片,得到表征图片变化的第一识别结果图片和第二识别结果图片;
基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物。
2.根据权利要求1所述的道路遗撒物的识别方法,其特征在于,所述基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物,包括:
如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在重叠区域,确定所述预设道路场景中存在静止的遗撒物;
如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在不重叠区域,基于所述不重叠区域判断所述预设道路场景是否存在移动的遗撒物。
3.根据权利要求1所述的道路遗撒物的识别方法,其特征在于,还包括预先训练原始差异判别模型的步骤,所述步骤包括:
获取样本图片集,所述样本图片集包括多组样本图片,每组样本图片包括同一道路场景在无遗撒物状态下的第一样本图片、有遗撒物状态下的第二样本图片以及所述第二样本图片的掩码图片;
基于所述样本图片集,训练所述原始差异判别模型,得到所述遗撒物识别模型。
4.根据权利要求2所述的道路遗撒物的识别方法,其特征在于,在所述确定所述预设道路场景中存在静止的遗撒物之前,包括:
将所述第一识别结果图片和所述第二识别结果图片进行像素值对比;
基于像素值对比结果判定所述第一识别结果图片中变化区域和所述第二识别结果图片中变化区域是否有重叠区域。
5.根据权利要求2所述的道路遗撒物的识别方法,其特征在于,在所述确定所述预设道路场景中存在静止的遗撒物之后,包括:
对所述重叠区域添加外接矩形画框;
获取所述外接矩形画框的中心点坐标;
根据所述中心点坐标确定所述遗撒物的位置信息。
6.根据权利要求2所述的道路遗撒物的识别方法,其特征在于,所述如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间存在不重叠区域,基于所述不重叠区域判断所述预设道路场景是否存在移动的遗撒物,包括:
如果所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域存在没有重叠区域的M个目标变化区域,M为正整数;
将所述M个目标变化区域中,属于所述第一识别结果图片的每个目标变化区域分别作为当前目标变化区域,确定所述当前目标变化区域与所述M个目标变化区域中属于第二识别结果图片的每个目标变化区域之间的距离,得到至少一个距离参数;
根据所述至少一个距离参数确定出至少一组待判断区域;
针对每组待判断区域,如果该组待判断区域对应的两个目标变化区域的图形差异小于预设差异阈值,判定所述第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物。
7.根据权利要求6所述的道路遗撒物的识别方法,其特征在于,在所述判定所述第二识别结果图片的待判断区域对应的预设道路场景存在移动的遗撒物之后,还包括:
获取所述预设道路场景的第三组场景图片,所述第三组场景图片包括第一场景图片和第二场景图片;
通过所述遗撒物识别模型处理所述第三组场景图片,对应得到表征图片变化的第三识别结果图片;
基于所述第一识别结果图片与所述第三识别结果图片重新判定所述预设道路场景是否存在移动的遗撒物,如果存在,输出所述预设道路场景存在移动的遗撒物的判定结果。
8.根据权利要求6所述的道路遗撒物的识别方法,其特征在于,所述根据所述至少一个距离参数确定出至少一组待判断区域,包括:
从所述至少一个距离参数中确定出最小距离参数所对应的一组待判断区域,或者
从所述至少一个距离参数中确定出小于预设距离阈值的每个待判断区域。
9.一种道路遗撒物的识别装置,其特征在于,包括:
场景图片获取单元,用于获取预设道路场景的第一组场景图片和第二组场景图片,所述第一组场景图片和所述第二组场景图片均包括第一场景图片,所述第一场景图片的拍摄时间早于所述第一组场景图片和所述第二组场景图片中其他场景图片;
结果图片获取单元,用于通过预先训练的遗撒物识别模型分别处理所述第一组场景图片和所述第二组场景图片,得到表征图片变化的第一识别结果图片和第二识别结果图片;
判定单元,用于基于所述第一识别结果图片中变化区域与所述第二识别结果图片中变化区域之间的位置关系,确定所述预设道路场景中是否存在遗撒物。
10.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211658739.2A CN115984690A (zh) | 2022-12-22 | 2022-12-22 | 道路遗撒物的识别方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211658739.2A CN115984690A (zh) | 2022-12-22 | 2022-12-22 | 道路遗撒物的识别方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115984690A true CN115984690A (zh) | 2023-04-18 |
Family
ID=85966052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211658739.2A Pending CN115984690A (zh) | 2022-12-22 | 2022-12-22 | 道路遗撒物的识别方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115984690A (zh) |
-
2022
- 2022-12-22 CN CN202211658739.2A patent/CN115984690A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11455805B2 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
CA2858919C (en) | License plate recognition | |
CN106991820B (zh) | 违规车辆处理方法及装置 | |
Lee et al. | Available parking slot recognition based on slot context analysis | |
CN102902957A (zh) | 一种基于视频流的自动车牌识别方法 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
Ravirathinam et al. | Automatic license plate recognition for indian roads using faster-rcnn | |
CN112861567B (zh) | 一种车型分类方法及装置 | |
CN111008554B (zh) | 一种基于深度学习的动态交通斑马线内不礼让行人识别方法 | |
CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
Bichkar et al. | Traffic sign classification and detection of Indian traffic signs using deep learning | |
CN113313950A (zh) | 车辆拥堵的检测方法、装置、设备及计算机存储介质 | |
CN113297939A (zh) | 障碍物检测方法、***、终端设备及存储介质 | |
CN116721396A (zh) | 车道线检测方法、设备及存储介质 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN115984690A (zh) | 道路遗撒物的识别方法、装置及设备 | |
CN115880632A (zh) | 超时停留检测方法、监控设备、计算机可读存储介质和芯片 | |
CN115482672A (zh) | 车辆逆行检测的方法、装置、终端设备及存储介质 | |
CN111639640B (zh) | 基于人工智能的车牌识别方法、装置及设备 | |
CN115019511A (zh) | 基于自动驾驶车辆的识别机动车违规变道的方法和装置 | |
CN114882451A (zh) | 一种图像处理方法、装置、设备及介质 | |
CN113902999A (zh) | 一种跟踪方法、装置、设备及介质 | |
CN110765816B (zh) | 车辆压线违章检测方法、装置及电子设备 | |
CN112257555A (zh) | 一种信息处理方法、装置、设备及存储介质 | |
CN111881823A (zh) | 一种地面目标检测评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |