车门信息检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种车门信息检测方法、装置、计算机设备和存储介质。所述车门信息检测方法包括：获取车门图片，所述车门图片包括车门信息；从所述车门图片中提取所述车门信息对应的特征图；将所述特征图输入至强化学习模型，获取所述车门信息在所述特征图中的位置信息；所述位置信息是基于所述强化学习模型输出的Q函数值确定的；根据所述位置信息，从所述车门图片中截取检测图片，并根据所述检测图片获取所述车门图片对应的所述车门信息检测结果。采用本方法在检测车门中的车门信息时能够降低算法耗时、提升算法鲁棒性。

Door information detection method, device, computer equipment and storage medium

【技术实现步骤摘要】
车门信息检测方法、装置、计算机设备和存储介质
本专利技术涉及人工智能
，特别是涉及一种车门信息检测方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能技术的不断发展，利用人工智能来代替人力劳动力、服务于人类已成为研究人工智能技术的新走向。目标检测是人工智能计算机视觉领域的一个研究热点，其在自动驾驶、人机对话、基于内容的图像检索、人脸识别等方面都有着重要的应用。在智能交通领域，车辆年检时需要检测车门上的喷涂信息；传统的人工智能检测方法，是由计算机对整个车门图片进行检测，从车门图片的左上角开始，向右或者向下依次检测图片的整个区域来获取喷涂信息。但是，上述的喷涂信息检测方法检测耗时久，达不到实时检测，且计算量大，算法鲁棒性差。
技术实现思路
基于此，有必要针对上述技术问题，提供一种在检测车门中的车门信息时能够降低算法耗时、提升算法鲁棒性的车门信息检测方法、装置、计算机设备和存储介质。第一方面，本申请实施例提供了一种车门信息检测方法，所述车门信息检测方法包括：获取车门图片，所述车门图片包括本文档来自技高网...

【技术保护点】
1.一种车门信息检测方法，其特征在于，所述方法包括：/n获取车门图片，所述车门图片包括车门信息；/n从所述车门图片中提取所述车门信息对应的特征图；/n将所述特征图输入至强化学习模型，获取所述车门信息在所述特征图中的位置信息；所述位置信息是基于所述强化学习模型输出的Q函数值确定的；/n根据所述位置信息，从所述车门图片中截取检测图片，并根据所述检测图片获取所述车门图片对应的所述车门信息检测结果。/n

【技术特征摘要】
1.一种车门信息检测方法，其特征在于，所述方法包括：
获取车门图片，所述车门图片包括车门信息；
从所述车门图片中提取所述车门信息对应的特征图；
将所述特征图输入至强化学习模型，获取所述车门信息在所述特征图中的位置信息；所述位置信息是基于所述强化学习模型输出的Q函数值确定的；
根据所述位置信息，从所述车门图片中截取检测图片，并根据所述检测图片获取所述车门图片对应的所述车门信息检测结果。


2.根据权利要求1所述的方法，其特征在于，所述强化学习模型包括目标DQN模型，所述将所述特征图输入至强化学习模型，获取所述车门信息在所述特征图中的位置信息，包括：
将所述特征图输入至目标DQN模型中，得到所述特征图对应的最大Q函数值；
确定所述最大Q函数值对应的目标动作，并将所述目标动作指示的动作区域设置为所述车门信息在所述特征图中的位置信息。


3.根据权利要求2所述的方法，其特征在于，所述目标DQN模型的训练过程包括：
获取参数初始化后的待训练DQN模型；
从预设的经验池中抽取多个车门训练图片，各所述车门训练图片已标注车门信息对应的目标位置框；
采用预设动作策略，根据所述多个车门训练图片对所述待训练DQN模型进行训练，得到所述目标DQN模型。


4.根据权利要求3所述的方法，其特征在于，所述采用预设动作策略，根据所述多个车门训练图片对所述待训练DQN模型进行训练，得到所述目标DQN模型，包括：
对各所述车门训练图片设置多个具有预设尺寸的图像窗口；所述图像窗口用于从各所述车门训练图片中检测对应车门信息的位置；
将所述多个车门训练图片输入至所述待训练DQN模型中，并基于预设动作策略、多个所述图像窗口及各所述车门训练图片包括的所述目标位置框，对所述待训练DQN模型进行训练，得到所述目标DQN模型。


5.根据权利要求4所述的方法，其特征在于，所述基于预设动作策略、多个所述图像窗口及各所述车门训练图片包括的所述目标位置框，对所述待训练DQN模型进行训练，得到所述目标DQN模型，包括：
获取所述车门训练图片中各所述图像窗口对应的动作奖励值；
检测动作奖励值最大的图像窗口...

【专利技术属性】
技术研发人员：周康明，丁子凡，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31