【技术实现步骤摘要】
一种线路异物的检测方法、装置、设备及存储介质
本申请涉及深度学习技术,尤其涉及一种线路异物的检测方法、装置、设备及存储介质。
技术介绍
交通线路上存在异物,可能会引发交通事故,所以交通线路的异物检测对于交通安全非常重要。目前,交通线路的异物检测是在车辆前方或者交通线路的不同路段处安装摄像机,拍摄交通线路的视频。并根据视频中相邻两帧的视频图像进行差分运算,从而确定交通线路上是否存在异物。然而,对视频图像进行差分运算这种检测方式,异物检测的准确度不高。
技术实现思路
本申请提供一种线路异物的检测方法、装置、设备及存储介质,用以解决线路异物检测准确度不高的问题。第一方面,本申请提供一种线路异物的检测方法,包括:获取原始视频,所述原始视频包括对交通线路进行拍摄得到的至少一帧线路图像;将所述原始视频输入分割模型,得到所述原始视频中每帧线路图像的分割图像,所述分割模型是根据线路训练图像和标签,对卷积神经网络进行训练得到,且用于对所述至少一帧线路图像进行图像分割的模型;根据每帧线路图像的分割图像,确定所述线路图像对应的线路位置是否存在异物。第二方面,本申请提供一种分割模型的训练方法,包括:获取线路训练图像,所述线路训练图像对应有标签,所述标签为所述线路训练图像中线路的像素点坐标;根据所述线路训练图像和标签,对卷积神经网络进行迭代训练,得到所述分割模型。第三方面,本申请提供一种线路异物的检测装置,包括:第一获取模块,用于获取原始视频,所述原始视频包括对交通线路进行拍摄得到的 ...
【技术保护点】
1.一种线路异物的检测方法,其特征在于,包括:/n获取原始视频,所述原始视频包括对交通线路进行拍摄得到的至少一帧线路图像;/n将所述原始视频输入分割模型,得到所述原始视频中每帧线路图像的分割图像,所述分割模型是根据线路训练图像和标签,对卷积神经网络进行训练得到的,且用于对所述至少一帧线路图像进行图像分割的模型;/n根据每帧线路图像的分割图像,确定所述线路图像对应的线路位置是否存在异物。/n
【技术特征摘要】 【专利技术属性】
1.一种线路异物的检测方法,其特征在于,包括:
获取原始视频,所述原始视频包括对交通线路进行拍摄得到的至少一帧线路图像;
将所述原始视频输入分割模型,得到所述原始视频中每帧线路图像的分割图像,所述分割模型是根据线路训练图像和标签,对卷积神经网络进行训练得到的,且用于对所述至少一帧线路图像进行图像分割的模型;
根据每帧线路图像的分割图像,确定所述线路图像对应的线路位置是否存在异物。
2.根据权利要求1所述的方法,其特征在于,所述将所述原始视频输入分割模型,得到所述原始视频中每帧线路图像的分割图像,包括:
针对所述原始视频中的每帧线路图像,进行多次下采样,得到下采样图像;
对所述下采样图像进行多次上采样,得到所述线路图像的分割图像;
其中,所述多次下采样中的每次下采样包括多次卷积操作;
所述多次卷积操作包括至少三次卷积操作,且所述至少三次卷积操作中的第一次卷积操作、第二次卷积操作或第三次卷积操作为M×N的卷积操作,或者,所述至少三次卷积操作中的第一次卷积操作、第二次卷积操作或第三次卷积操作为N×M的卷积操作,M和N均为正整数,M≠N。
3.根据权利要求1所述的方法,其特征在于,所述根据每帧线路图像的分割图像,确定所述线路图像对应的轨道线位置是否存在异物,包括:
确定所述分割图像中独立区域的数量,所述分割图像包括至少一个线路;
针对所述分割图像中的一个线路,若所述独立区域的数量大于或等于预设的数量,则确定所述线路图像对应的线路位置存在异物;
若所述独立区域的数量小于预设的数量,则确定所述线路图像对应的线路位置不存在异物。
4.根据权利要求3所述的方法,其特征在于,所述确定所述分割图像中独立区域的数量,包括:
针对所述分割图像中的一个线路,根据最小外接矩形方法,确定所述分割图像中分割出来的对象的最小外接矩形;
将所述分割图像中最小外接矩形的数量,作为所述分割图像中独立区域的数量。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
将所述每帧线路图像的分割图像转换为二值图像;
相应的,所述确定所述分割图像中独立区域的数量,包括:
根据最小外接矩形方法,确定所述二值图像中独立区域的数量。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
将原始视频的异物检测结果上传至数据库。
技术研发人员:姚秀军,桂晨光,董林,王超,唐亚哲,蔡禹丞,
申请(专利权)人:北京京东乾石科技有限公司,
类型:发明
国别省市:北京;11
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。