一种针对图像的致盲场景检测方法及车载终端技术

本发明专利技术实施例公开了一种针对图像的致盲场景检测方法及车载终端。该方法包括：获取待检测图像；通过场景检测网络，确定待检测图像的致盲场景类别和致盲信息；其中，场景检测网络为预先通过对包含致盲场景的样本图像和对应的标注信息进行训练得到，标注信息包括标准致盲场景类别和标准致盲信息，样本图像和对应的标注信息为：通过对不包含致盲场景的初始图像进行与标准致盲场景类别对应的致盲处理后得到；致盲信息包括标识所述待检测图像的致盲程度和/或致盲位置。应用本发明专利技术实施例提供的方案，能够提高对智能驾驶场景中采集的各种复杂图像进行致盲场景检测时的准确性。杂图像进行致盲场景检测时的准确性。杂图像进行致盲场景检测时的准确性。

【技术实现步骤摘要】
一种针对图像的致盲场景检测方法及车载终端


[0001]本专利技术涉及智能驾驶
，具体而言，涉及一种针对图像的致盲场景检测方法及车载终端。

技术介绍

[0002]在智能驾驶系统中，视觉感知在车辆定位、障碍物检测等方面的作用越来越重要。例如，相机设备采集的图像可以用于建立高精度地图，从图像中可以识别驾驶场景中的车道线、交通标识牌等道路标志。相机设备采集的图像中可能会存在致盲场景。该致盲场景包括雾、运动模糊和失焦模糊等类型。例如，实际采集的图像中可能存在雾区域，或者存在部分运动模糊区域。致盲场景的致盲程度也可能各不相同。
[0003]对图像中的致盲场景进行检测，在车辆定位数据和障碍物检测数据的修正以及图像感知结果的置信度确定方面，都有重要意义。相关技术中，可以通过对图像各个像素点像素值的直方图进行分析，通过与阈值的比较，确定图像是否存在致盲场景。这种通过与单一阈值进行比较的方法，对于智能驾驶场景中采集的各种复杂图像来说，准确性较低。

技术实现思路

[0004]本专利技术提供了一种针对图像的致盲场景检测方法及车载终端，以提高对智能驾驶场景中采集的各种复杂图像进行致盲场景检测时的准确性。具体的技术方案如下。
[0005]第一方面，本专利技术实施例公开了一种针对图像的致盲场景检测方法，包括：
[0006]获取待检测图像；
[0007]通过场景检测网络，确定所述待检测图像的致盲场景类别和致盲信息；
[0008]其中，所述场景检测网络为预先通过对包含致盲场景的样本图像和对应的标注信息进行训练得到，所述标注信息包括标准致盲场景类别和标准致盲信息，所述样本图像和对应的标注信息为：通过对不包含致盲场景的初始图像进行与标准致盲场景类别对应的致盲处理后得到；所述致盲信息包括所述待检测图像的致盲程度和/或致盲位置。
[0009]可选的，所述标准致盲场景类别包括：雾场景、失焦模糊场景和运动模糊场景中的至少一种；
[0010]通过以下方式对不包含致盲场景的初始图像进行与标准致盲场景类别对应的致盲处理，得到所述样本图像和对应的标注信息：
[0011]当所述标准致盲场景类别为雾场景时，根据预设的大气散射模型对所述初始图像进行雾场景致盲处理，得到包含雾场景的样本图像和对应的标注信息；
[0012]当所述标准致盲场景类别为失焦模糊场景时，根据预设的近似分层遮挡模型对所述初始图像进行失焦模糊处理，得到包含失焦模糊场景的样本图像和对应的标注信息；
[0013]当所述标准致盲场景类别为运动模糊场景，且所述初始图像包含至少两个连续图像帧时，通过对至少两个连续图像帧进行插值，得到包含运动模糊场景的样本图像和对应的标注信息；
[0014]其中，所述初始图像包含深度信息。
[0015]可选的，所述根据预设的大气散射模型对所述初始图像进行雾场景致盲处理，得到包含雾场景的样本图像和对应的标注信息的步骤，包括：
[0016]根据以下预设的大气散射模型的公式对所述初始图像进行处理，得到包含雾场景的样本图像和对应的标注信息：
[0017]I(X)＝J(x)t(x)+A[1-t(x)][0018]t(x)＝e-βd(x)
[0019]其中，X为所述样本图像I中的像素点，所述x为所述初始图像J中的像素点，所述β为从预设范围内确定的随机数，所述d(x)为所述初始图像的深度信息，所述A为根据所述初始图像的各个像素点确定的全局大气光值，将1-t(x)作为标注信息中的标准致盲程度。
[0020]可选的，所述根据预设的近似分层遮挡模型对所述初始图像进行失焦模糊处理，得到包含失焦模糊场景的样本图像和对应的标注信息的步骤，包括：
[0021]根据以下预设的近似分层遮挡模型的公式对所述初始图像中的像素点进行迭代处理，得到包含失焦模糊场景的样本图像：
[0022][0023][0024]其中，所述X为所述样本图像中的像素点，所述x为所述初始图像L中的像素，所述A
k
为二元掩膜，深度信息为k的像素点对应的A
k
取1，深度信息不为k的像素点对应的A
k
取0，所述h为预设的圆盘模糊函数，所述K为最大的深度信息，所述k+1表示各个深度信息中比深度信息k大且最接近于所述k的深度信息，将所述圆盘模糊函数的半径作为标注信息中的标准致盲程度。
[0025]可选的，所述通过对至少两个连续图像帧进行插值，得到包含运动模糊场景的样本图像和对应的标注信息的步骤，包括：
[0026]确定至少两个连续图像帧中的对应像素点；
[0027]在对应像素点在各个图像帧中的不同位置之间进行插值，得到位于各个图像帧之间的插值图像；
[0028]对所述插值图像以及各个图像帧中对应位置的像素点取均值，得到包含运动模糊场景的样本图像；
[0029]根据至少两个连续图像帧中的对应像素点，确定所述样本图像中像素点的光流值，作为标注信息中的标准致盲程度；
[0030]针对所述样本图像中光流值大于阈值的像素点，确定该像素点对应的二值化的辅助掩膜取预设值，将所述辅助掩膜作为标注信息中的标准致盲位置。
[0031]可选的，所述通过所述场景检测网络，确定所述待检测图像的致盲场景类别和致盲信息的步骤，包括：
[0032]将所述待检测图像输入场景检测网络，由所述场景检测网络根据训练好的模型参
数确定所述待检测图像对应的各个致盲场景类别的概率和致盲信息；
[0033]将概率最大的致盲场景类别确定为所述待检测图像的致盲场景类别；
[0034]根据最大概率对应的致盲信息确定所述待检测图像的致盲信息。
[0035]可选的，所述场景检测网络还输出所述待检测图像对应的辅助掩膜；其中，所述辅助掩膜用于标识像素点是否存在运动模糊；
[0036]所述根据最大概率对应的致盲信息确定所述待检测图像的致盲信息的步骤，包括：
[0037]当确定所述待检测图像的致盲场景类别为运动模糊场景时，根据所述辅助掩膜与最大概率对应的致盲信息之间的乘积，确定所述待检测图像的致盲信息。
[0038]第二方面，本专利技术实施例公开了一种车载终端，包括：处理器和图像采集设备；其中，所述处理器包括：
[0039]获取模块，用于获取所述图像采集设备采集的待检测图像；
[0040]确定模块，用于通过所述场景检测网络，确定所述待检测图像的致盲场景类别和致盲信息；
[0041]其中，所述场景检测网络为预先通过对包含致盲场景的样本图像和对应的标注信息进行训练得到，所述标注信息包括标准致盲场景类别和标准致盲信息，所述样本图像和对应的标注信息为：通过对不包含致盲场景的初始图像进行与标准致盲场景类别对应的致盲处理后得到；所述致盲信息包括标识所述待检测图像的致盲程度和/或致盲位置。
[0042]可选的，所述标准致盲场景类别包括：雾场景、失焦模糊场景和运动模糊场景中的至少一种；
[0043]所述处理器还包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对图像的致盲场景检测方法，其特征在于，包括：获取待检测图像；通过场景检测网络，确定所述待检测图像的致盲场景类别和致盲信息；其中，所述场景检测网络为预先通过对包含致盲场景的样本图像和对应的标注信息进行训练得到，所述标注信息包括标准致盲场景类别和标准致盲信息，所述样本图像和对应的标注信息为：通过对不包含致盲场景的初始图像进行与标准致盲场景类别对应的致盲处理后得到；所述致盲信息包括所述待检测图像的致盲程度和/或致盲位置。2.如权利要求1所述的方法，其特征在于，所述标准致盲场景类别包括：雾场景、失焦模糊场景和运动模糊场景中的至少一种；通过以下方式对不包含致盲场景的初始图像进行与标准致盲场景类别对应的致盲处理，得到所述样本图像和对应的标注信息：当所述标准致盲场景类别为雾场景时，根据预设的大气散射模型对所述初始图像进行雾场景致盲处理，得到包含雾场景的样本图像和对应的标注信息；当所述标准致盲场景类别为失焦模糊场景时，根据预设的近似分层遮挡模型对所述初始图像进行失焦模糊处理，得到包含失焦模糊场景的样本图像和对应的标注信息；当所述标准致盲场景类别为运动模糊场景，且所述初始图像包含至少两个连续图像帧时，通过对至少两个连续图像帧进行插值，得到包含运动模糊场景的样本图像和对应的标注信息；其中，所述初始图像包含深度信息。3.如权利要求2所述的方法，其特征在于，所述根据预设的大气散射模型对所述初始图像进行雾场景致盲处理，得到包含雾场景的样本图像和对应的标注信息的步骤，包括：根据以下预设的大气散射模型的公式对所述初始图像进行处理，得到包含雾场景的样本图像和对应的标注信息：I(X)＝J(x)t(x)+A[1-t(x)]t(x)＝e-βd(x)
其中，X为所述样本图像I中的像素点，所述x为所述初始图像J中的像素点，所述β为从预设范围内确定的随机数，所述d(x)为所述初始图像的深度信息，所述A为根据所述初始图像的各个像素点确定的全局大气光值，将1-t(x)作为标注信息中的标准致盲程度。4.如权利要求2所述的方法，其特征在于，所述根据预设的近似分层遮挡模型对所述初始图像进行失焦模糊处理，得到包含失焦模糊场景的样本图像和对应的标注信息的步骤，包括：根据以下预设的近似分层遮挡模型的公式对所述初始图像中的像素点进行迭代处理，得到包含失焦模糊场景的样本图像：得到包含失焦模糊场景的样本图像：
其中，所述X为所述样本图像中的像素点，所述x为所述初始图像L中的像素，所述A
k
为二元掩膜，深度信息为k的像素点对应的A
k
取1，深度信息不为k的像素点对应的A
k
取0，所述h为预设的圆盘模糊函数，所述K为最大的深度信息，所述k+1表示各个深度信息中比深度信息k大且最接近于所述k的深度信息，将所述圆盘模糊函数的半径作为标注信息中的标准致盲程度。5.如权利要求2所述的方法，其特征在于，所述通过对至少两个连续图像帧进行插值，得到包含运动模糊场景的样本图像和对应的标注信息的步骤，包括：确定至少两个连续图像帧中的对应像素点；在对应像素点在各个图像帧中的不同位置之间进行插值，得到位于各个图像帧之间的插值图像；对所述插值图像以及各个图像帧中对应位置的像素点取均值，得到包含运动模糊场景的样本图像；根据至少两个...

【专利技术属性】
技术研发人员：邱佳雄，于昕元，
申请(专利权)人：初速度苏州科技有限公司，
类型：发明
国别省市：