用于识别在输入图像(2)中的特征(21)或对象(22)的系统(1)，其包括至少一个构造为KI模块的预处理模块(3)，所述预处理模块构造用于借助参数化的内部的处理链(31)由所述输入图像(2)产生至少一个中间图像(4，4a，4b)，以及所述系统包括至少一个分析处理模块(5，a，5b)，所述分析处理模块构造用于识别(51，51a，51b)在所述中间图像(4)中的所期望的特征(21)或对象(22)。用于训练根据权利要求1至12中任一项所述的系统(1)的方法(100)，其具有以下的步骤：*将多个学习输入图像(9，2)输送(110)给所述系统(1)，*将由所述分析处理模块(5)对所述每个学习输入图像(9，2)所提供的结果(10，51)与用于所述结果(10，51)的学习值(11)比较(120)；将所述结果(10)与所述学习值(11)的偏差(12)反馈(130)到所述预处理模块(3)的输入端(32)中，和/或借助减小(150)所述偏差(12)的目标来调整(140)所述预处理模块(3)的内部的处理链(31)的参数。所属的计算机程序产品。
Image analysis and processing with targeted preprocessing
【技术实现步骤摘要】
【国外来华专利技术】具有目标明确的预处理的图像分析处理
本专利技术涉及一种用于图像分析处理的系统，该系统尤其可以在驾驶辅助系统和用于自主驾驶的系统中用于识别边沿、对象和其他特征。
技术介绍
视觉信息的接收对于在机动化的道路交通上的有效参与是不可缺少的。与之相应地，用于驾驶辅助系统和用于自主驾驶的系统的摄像机系统是重要的信息源。通常，必要的是，在分析处理之前例如通过校正或颜色匹配来预处理由摄像机提供的图像。然而，这样的预处理随发展趋势总是伴随着在图像中所包含的信息的明显的压缩。因此，与所打算的分析处理不匹配的预处理可能导致恰好丢失对于这种分析处理所需要的信息。这可能使分析处理的结果变差，而不是如所打算地那样改进。US5,182,776A公开，执行一种包括用自学习的人工神经网络进行图像预处理在内的图像分析处理过程，以测量等待电梯的乘客的数量。借助附加信息对所测量的数量进行可信度检验，并且偏差作为学习信息被传回神经网络中，在那里所述偏差也对预处理的参数具有影响。US5,553,159A公开，在拍摄X射线照片时使用人工神经网络，所述人工神经网络也能够最优地调节用于原始图像的自然拍摄和用于接下来的预处理的参数。
技术实现思路
在本专利技术的范畴内，开发了一种用于识别在输入图像中的特征或对象的系统。该系统包括构造为KI模块(KI-Modul/AI-module)的至少一个预处理模块，所述至少一个预处理模块构造用于由输入图像借助参数化的内部的处理链产生至少一个中间图像。此外，系统包括至少一个分析处理模块，所述至少一个分析处理模块构造用于识别在中间图像中的所期望的特征或对象。已看到，功能性的这种划分能够实现对预处理与真正的分析处理无关地进行优化。即，如果例如分析处理模块同样构造为KI模块并且两个KI模块是自学习的，则两个KI模块的学习过程可以相互解耦。因此，例如预处理模块和分析处理模块可以相互独立地交换，而不在未期望的位置上丢失KI的突然的学习进展。然而，同时有利地，在预处理时已经可以考虑所期望的分析处理的要求，从而在信息在预处理时不可避免的缩减和压缩的情况下恰好可以选择那种对所打算的分析处理也至关重要的信息。即，尤其对于于此有关的学习过程，还存在输入图像的完整的信息量以供使用。目前，正是在驾驶辅助系统和自主驾驶的领域中首先借助固定的预处理来处理输入图像，所述固定的预处理例如包括校正和颜色处理。然后，在真正的分析处理开始并且使用KI之前，还部分地进行在特征中的划分(Segmentierung)和因此进行信息量的进一步缩减。此外，所提到的尤其用于驾驶辅助系统和用于自主驾驶的模块化的结构是有利的。在这类复杂的系统中，通常可以由同一个输入图像分析处理多个特性。即，在本专利技术的一种特别有利的构型中，可以设置多个分析处理模块，其中，分析处理模块获得中间图像，分析处理模块分别构造用于特征或对象的识别，所述中间图像和/或所述特征或对象彼此不同。同一个输入图像可以被预处理模块转化成具有不同的内容和目标设置的中间图像，例如具有·颜色信息，·自身运动信息，·在确定的方面提高的质量，或·输入图像的不同的片段(场景划分)的中间图像。因此，同一个经预处理的中间图像不必然对于所有打算的分析处理是最优的。相比于如下图像，例如对用于进行显示的系统和人类观察者(“DisplayVision”，显示视觉)的图像提出不同的要求：所述图像的用机器的分析处理通过后续的测量程序和功能(“MachineVision”，机器视觉)进行打算。例如经模糊(weichzeichnen)或以其他的方式平整的中间图像也可以改进在受噪声干扰的图像中的对象的识别，而边沿的识别正相反地从对中间图像的清晰显示(scharfzeichnen)中获益。模块化的结构实现，对于每个所打算的分析处理提供恰好在这方面优化的中间图像以供使用。在此，尤其当在预处理模块中输入图像在产生用于多个分析处理模块的中间图像时遍历同一个内部的处理链时，可以有利地并行地产生这些不同的中间图像。那么，预处理模块不会多次地彼此相继地执行基本上相同的工作。尤其是在目前的驾驶辅助系统和用于自主驾驶的系统中，频繁地出现这样的情况：不同的分析处理算法需要不同的尺寸和颜色格式(Farbformaten)的图像信息。为此要彼此相继地制作多个中间图像是非常耗时的。预处理模块可以自学习地构造。为此目的，在本专利技术的一种特别有利的构型中设置至少一个评估模块，所述至少一个评估模块构造用于定性地评估由分析处理模块提供的结果并且将其反馈到预处理模块的输入端中。为此，例如分析处理模块可以提供用于定性地评估的目标函数。另一方面，也不强制预处理模块是自学习的。例如，可以在工厂方面已经以大量的学习数据来训练预处理模块，从而内部的处理链确定的参数已经包含来自这种训练的学习经验。然后，预处理模块可以例如静态地运行，也就是说，该预处理模块在由输入图像产生中间图像时可以调用学习经验，而不使其进一步扩大。如果存在多个分析处理模块，则例如每个分析处理模块可以配属有自身的评估模块，所述评估模块也可以集成到分析处理模块自身中。但是，也可以设置例如共同的评估模块。在本专利技术的一种特别有利的构型中，评估模块构造用于将由多个分析处理模块所提供的结果的评估合并为总评估并且将该总评估反馈到预处理模块的输入端中。然后，例如可能以同一个中间图像供给多个分析处理模块，所述中间图像是在相应的要求之间的最优的折衷。然而，这类总评估也可以反映这样的情况：存在两个不同的分析处理模块，所述不同的分析处理模块获得不同的中间图像。如果输入图像例如在第一分析处理模块中应借助分类的交叉熵进行分析处理和在第二分析处理模块中应借助二元的交叉熵进行分析处理，则在第一分析处理模块方面的最优的中间图像相应于第一目标函数Z1的极值，并且在第二分析处理模块方面的最优的中间图像可以相应于第二目标函数Z2的极值。现在在本专利技术的一种特别有利的构型中，如果例如输入图像在产生用于两个分析处理模块的中间图像时遍历同一个内部的处理链，则该内部的处理链关于这一个中间图像的优化也对另外的中间图像自动地产生影响。在共同的目标函数Z中，例如根据规定Z＝λ*Z1+Z2给两个目标函数Z1和Z2加权重，通过该共同的目标函数Z可以找到在对于两个分析处理模块的优化之间的最优的折衷。有利地，所需要的功能性在分析处理模块上这样进行划分，使得可以针对每个分析处理模块的需求来优化中间图像，而在此在该分析处理模块中所实施的不同的功能性之间不出现目标冲突。如先前所阐述的那样，例如在对象识别和边沿识别之间存在这样的目标冲突。因此，在本专利技术的一种特别有利的构型中，至少一个分析处理模块构造用于识别至少一个对象，而至少一个另外的分析处理模块构造用于识别至少一个边沿。在本专利技术的一种特别有利的构型中，预处理模块的内部的处理链包括至少一个人工神经网络，所述至少一个人工神经网络由人工的神经元的多个层构成。在该网络中，输入层接收(aufnehmen)输入图像，并且中间图像层存储中间本文档来自技高网...
【技术保护点】
1.一种用于识别在输入图像(2)中的特征(21)或对象(22)的系统(1)，所述系统包括至少一个预处理模块(3)以及至少一个分析处理模块(5，5a，5b)，所述至少一个预处理模块构造为KI模块并且构造用于由所述输入图像(2)借助参数化的内部的处理链(31)产生至少一个中间图像(4，4a，4b)，所述至少一个分析处理模块构造用于识别(51，51a，51b)在所述中间图像(4)中的所期望的特征(21)或对象(22)。/n
【技术特征摘要】
【国外来华专利技术】20170704 DE 102017211331.61.一种用于识别在输入图像(2)中的特征(21)或对象(22)的系统(1)，所述系统包括至少一个预处理模块(3)以及至少一个分析处理模块(5，5a，5b)，所述至少一个预处理模块构造为KI模块并且构造用于由所述输入图像(2)借助参数化的内部的处理链(31)产生至少一个中间图像(4，4a，4b)，所述至少一个分析处理模块构造用于识别(51，51a，51b)在所述中间图像(4)中的所期望的特征(21)或对象(22)。
2.根据权利要求1所述的系统(1)，其特征在于，设有至少一个评估模块(6，6a，6b)，所述至少一个评估模块构造用于定性地评估(61，61a，61b)由所述分析处理模块(5，5a，5b)提供的结果(51，51a，51b)并且将所述结果反馈到所述预处理模块(3)的输入端(32，32a，32b)中。
3.根据权利要求1至2中任一项所述的系统(1)，其特征在于，设置多个分析处理模块(5a，5b)，其中，所述中间图像(4a，4b)和/或所述特征(21)或对象(22)彼此不同，所述分析处理模块(5a，5b)获得所述中间图像(4a，4b)，所述分析处理模块(5a，5b)分别构造用于所述特征(21)或对象(22)的识别。
4.根据权利要求2和3所述的系统(1)，其特征在于，所述评估模块(6)构造用于将由所述多个分析处理模块(5a，5b)所提供的结果的评估(61a，61b)合并成总评估(61)并且将所述总评估(61)反馈到所述预处理模块(3)的输入端(32)中。
5.根据权利要求3至4中任一项所述的系统(1)，其特征在于，在所述预处理模块(3)中，所述输入图像(2)在产生用于多个分析处理模块(5a，5b)的中间图像(4a，4b)时遍历同一个内部的处理链(31)。
6.根据权利要求3至5中任一项所述的系统(1)，其特征在于，至少一个分析处理模块(5a)构造用于识别(51a)至少一个对象(22)，而至少一个另外的分析处理模块(5b)构造用于识别(51b)至少一个边沿(21)。
7.根据权利要求1至6中任一项所述的系统(1)，其特征在于，所述内部的处理链(31)包括至少一个人工神经网络，所述至少一个人工神经网络由人工的神经元(33)的多个层(31a-31h)构成，其中，输入层(31a)接收所述输入图像(2)，中间图像层(31h)存储所述中间图像(4，4a，4b)，以及在所述输入层(31a)与所述中间图像层(31h)之间布置有至少两个处理层(31b-31g)，其中，所述...
【专利技术属性】
技术研发人员：S·勒诺，J·E·M·梅纳特，S·比朔夫，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国;DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。