一种刹车灯识别方法、装置及电子设备制造方法及图纸

本申请提供一种刹车灯识别方法、装置及电子设备，该方法包括：将目标图像输入至已训练的目标检测网络，得到多个指定尺寸的特征图；其中，所述指定尺寸的特征图对应于所述目标图像中的感兴趣区域；将所述指定尺寸的特征图输入已训练的用于尾灯分割的全卷积神经网络，得到各指定尺寸的特征图的掩模，所述掩模指示所述目标图像中开启的尾灯的位置；将所述掩模输入至已训练的刹车灯识别网络，获得对应于所述掩模的分类结果，该分类结果表征所述掩模中开启的尾灯是否为刹车灯。本申请提高了识别开启的尾灯所在区域的准确率，从而可以提高刹车灯的识别准确率，使得高级驾驶辅助系统更助于提高行车安全。

A recognition method, device and electronic equipment of brake light

【技术实现步骤摘要】
一种刹车灯识别方法、装置及电子设备
本申请涉及图像处理
，特别涉及一种刹车灯识别方法、装置及电子设备。
技术介绍
高级驾驶辅助系统(AdvancedDriverAssistantSystem，ADAS)可以利用车载的多类传感器，实时收集车内外的环境数据，进而实现静态或动态物体的辨识、侦测与追踪，从而协助驾驶者在最短时间内察觉到潜在的危险，以提高行车安全。通过高级驾驶辅助系统识别物体以实现的功能中包括对刹车灯的识别。在相关技术中，通过建立车辆识别的样本库来识别车载摄像机拍摄的图像中的车辆，然后将检测出的图像中车辆所在的位置设置为感兴趣区域(RegionofInterest，ROI)，然后将上述感兴趣区域内的图像通过色彩空间变换来得到其中的红色区域，将上述红色区域认定为车灯所在的区域，最后基于上述红色区域之间的相对位置来识别前车的刹车灯。然而，通过色彩空间变换确定出的车灯所在的区域往往并不准确，导致识别刹车灯的准确率低下，比如，若车辆本身颜色为红色，会对车灯区域检测造成干扰。
技术实现思路
有鉴于此，本申请提供一种刹车灯识别方法、装置及电子设备，用于提高刹车灯的识别准确率，从而使得高级驾驶辅助系统更助于提高行车安全。具体地，本申请是通过如下技术方案实现的：一种刹车灯识别方法，包括：将目标图像输入至已训练的目标检测网络，得到多个指定尺寸的特征图；其中，所述指定尺寸的特征图对应于所述目标图像中的感兴趣区域；将所述指定尺寸的特征图输入已训练的用于尾灯分割的全卷积神经网络，得到各指定尺寸的特征图的掩模，所述掩模指示所述目标图像中开启的尾灯的位置；将所述掩模输入至已训练的刹车灯识别网络，获得对应于所述掩模的分类结果，该分类结果表征所述掩模中开启的尾灯是否为刹车灯。在所述刹车灯识别方法中，所述目标检测网络至少包括：基础特征提取网络、区域推荐网络和感兴趣区域池化层；所述将目标图像输入至已训练的目标检测网络，得到多个指定尺寸的特征图，包括：将所述目标图像输入至所述基础特征提取网络，得到特征图，并将该特征图输出给所述区域推荐网络；从所述区域推荐网络中得到多个感兴趣区域，并将该特征图和所述多个感兴趣区域输入所述感兴趣区域池化层，得到多个指定尺寸的特征图。在所述刹车灯识别方法中，所述目标检测网络的基础特征提取网络为MobileNet；所述MobileNet包括多个深度卷积层和多个点卷积层；所述将所述目标图像输入至所述基础特征提取网络，得到特征图，包括：将所述目标图像输入至所述MobileNet，以由所述MobileNet基于所述深度卷积层和所述点卷积层对所述目标图像进行计算，得到特征图。在所述刹车灯识别方法中，所述将所述指定尺寸的特征图输入已训练的用于尾灯分割的全卷积神经网络，得到各指定尺寸的特征图的掩模，包括：将所述指定尺寸的特征图输入至所述全卷积神经网络，以由所述全卷积神经网络对各个指定尺寸的特征图进行上采样处理、并对上采样后的特征图的每一像素进行分类得到对应的掩模。在所述刹车灯识别方法中，所述将所述掩模输入至已训练的刹车灯识别网络，获得对应于所述掩模的分类结果，包括：将所述掩模输入至所述刹车灯识别网络，以由所述刹车灯识别网络利用团块分布的逻辑从掩模确定出对应的分类结果。在所述刹车灯识别方法中，所述目标图像为预设时长内采集的图像序列；所述方法还包括：基于所述图像序列中每一图像确定是否存在刹车灯；若基于任一图像确定存在刹车灯，则确定存在刹车灯。一种刹车灯识别装置，包括：确定单元，用于将目标图像输入至已训练的目标检测网络，得到多个指定尺寸的特征图；其中，所述指定尺寸的特征图对应于所述目标图像中的感兴趣区域；分割单元，用于将所述指定尺寸的特征图输入已训练的用于尾灯分割的全卷积神经网络，得到各指定尺寸的特征图的掩模，所述掩模指示所述目标图像中开启的尾灯的位置；识别单元，用于将所述掩模输入至已训练的刹车灯识别网络，获得对应于所述掩模的分类结果，该分类结果表征所述掩模中开启的尾灯是否为刹车灯。在所述刹车灯识别装置中，所述目标检测网络至少包括：基础特征提取网络、区域推荐网络和感兴趣区域池化层；所述确定单元，进一步用于：将所述目标图像输入至所述基础特征提取网络，得到特征图，并将该特征图输出给所述区域推荐网络；从所述区域推荐网络中得到多个感兴趣区域，并将该特征图和所述多个感兴趣区域输入所述感兴趣区域池化层，得到多个指定尺寸的特征图。在所述刹车灯识别装置中，所述分割单元，进一步用于：将所述指定尺寸的特征图输入至所述全卷积神经网络，以由所述全卷积神经网络对各个指定尺寸的特征图进行上采样处理、并对上采样后的特征图的每一像素进行分类得到对应的掩模。在所述刹车灯识别装置中，所述目标图像为预设时长内采集的图像序列；所述装置还包括：所述识别单元，进一步用于基于所述图像序列中每一图像的刹车灯识别结果确定是否存在刹车灯；若任一图像的刹车灯识别结果中存在刹车灯，则确定存在刹车灯。一种电子设备，所述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机器可执行指令，其中，所述处理器执行所述机器可执行指令时实现如下方法：将目标图像输入至已训练的目标检测网络，得到多个指定尺寸的特征图；其中，所述指定尺寸的特征图对应于所述目标图像中的感兴趣区域；将所述指定尺寸的特征图输入已训练的用于尾灯分割的全卷积神经网络，得到各指定尺寸的特征图的掩模，所述掩模指示所述目标图像中开启的尾灯的位置；将所述掩模输入至已训练的刹车灯识别网络，获得对应于所述掩模的分类结果，该分类结果表征所述掩模中开启的尾灯是否为刹车灯。在本申请技术方案中，本方案应用了深度学习的方法，可以从存在车辆的感兴趣区域中分割出不同形态的开启的尾灯，从而可以准确地识别出尾灯所在的区域，进一步地，利用刹车灯识别网络对尾灯所在的区域进行判断以确定开启的尾灯是否为刹车灯；由于通过全卷积神经网络提高了识别开启的尾灯所在区域的准确率，从而可以提高刹车灯的识别准确率，使得高级驾驶辅助系统更助于提高行车安全。附图说明图1是本申请示出的一种刹车识别方法的流程图；图2是本申请示出的一种刹车识别方法的流程示意图；图3是本申请示出的一种目标检测网络的基础特征提取网络的处理示意图；图4是本申请示出的一种二值掩模的示意图；图5是本申请示出的一种刹车识别方法的装置的实施例框图；图6是本申请示出的一种刹车识别方法的装置的硬件结构图。具体实施方式为了使本
的人员更好地理解本专利技术实施例中的技术方案，并使本专利技术实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对现有技术方案和本专利技术实施例中的技术方案作进一步详细的说明。本申请技术方案基于目标检测网络、全本文档来自技高网...

【技术保护点】
1.一种刹车灯识别方法，其特征在于，包括：/n将目标图像输入至已训练的目标检测网络，得到多个指定尺寸的特征图；其中，所述指定尺寸的特征图对应于所述目标图像中的感兴趣区域；/n将所述指定尺寸的特征图输入已训练的用于尾灯分割的全卷积神经网络，得到各指定尺寸的特征图的掩模，所述掩模指示所述目标图像中开启的尾灯的位置；/n将所述掩模输入至已训练的刹车灯识别网络，获得对应于所述掩模的分类结果，该分类结果表征所述掩模中开启的尾灯是否为刹车灯。/n

【技术特征摘要】
1.一种刹车灯识别方法，其特征在于，包括：
将目标图像输入至已训练的目标检测网络，得到多个指定尺寸的特征图；其中，所述指定尺寸的特征图对应于所述目标图像中的感兴趣区域；
将所述指定尺寸的特征图输入已训练的用于尾灯分割的全卷积神经网络，得到各指定尺寸的特征图的掩模，所述掩模指示所述目标图像中开启的尾灯的位置；
将所述掩模输入至已训练的刹车灯识别网络，获得对应于所述掩模的分类结果，该分类结果表征所述掩模中开启的尾灯是否为刹车灯。


2.根据权利要求1所述的方法，其特征在于，所述目标检测网络至少包括：基础特征提取网络、区域推荐网络和感兴趣区域池化层；
所述将目标图像输入至已训练的目标检测网络，得到多个指定尺寸的特征图，包括：
将所述目标图像输入至所述基础特征提取网络，得到特征图，并将该特征图输出给所述区域推荐网络；
从所述区域推荐网络中得到多个感兴趣区域，并将该特征图和所述多个感兴趣区域输入所述感兴趣区域池化层，得到多个指定尺寸的特征图。


3.根据权利要求2所述的方法，其特征在于，所述目标检测网络的基础特征提取网络为MobileNet；所述MobileNet包括多个深度卷积层和多个点卷积层；
所述将所述目标图像输入至所述基础特征提取网络，得到特征图，包括：
将所述目标图像输入至所述MobileNet，以由所述MobileNet基于所述深度卷积层和所述点卷积层对所述目标图像进行计算，得到特征图。


4.根据权利要求1所述的方法，其特征在于，所述将所述指定尺寸的特征图输入已训练的用于尾灯分割的全卷积神经网络，得到各指定尺寸的特征图的掩模，包括：
将所述指定尺寸的特征图输入至所述全卷积神经网络，以由所述全卷积神经网络对各个指定尺寸的特征图进行上采样处理、并对上采样后的特征图的每一像素进行分类得到对应的掩模。


5.根据权利要求1所述的方法，其特征在于，所述将所述掩模输入至已训练的刹车灯识别网络，获得对应于所述掩模的分类结果，包括：
将所述掩模输入至所述刹车灯识别网络，以由所述刹车灯识别网络利用团块分布的逻辑从掩模确定出对应的分类结果。


6.根据权利要求1所述的方法，其特征在于，所述目标图像为预设时长内采集的图像序列；所述方法还包括：
基于所述图像序列中每一图像确定是否存在刹车灯；
若基于任一...

【专利技术属性】
技术研发人员：张明，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33