目标检测方法、装置、设备、介质及程序产品制造方法及图纸

本申请提供一种目标检测方法、装置、设备、介质及程序产品。首先于多个不同场景中通过车辆的预设摄像头获取样本图像，然后基于各样本图像根据预设神经网络以及预设评价模型得到各个目标特征与预设类别及定位信息之间的目标映射关系，最后利用该目标映射关系对待检测图像进行检测，得到待检测图像的类别与定位信息。由于目标映射关系适应于各不同场景，因而可以被用于不同场景下进行目标检测，使得驾驶系统使用一种检测方法即可在多个不同场景下均实现目标检测，具有较强的可行性，有利于驾驶系统的落地应用。驶系统的落地应用。驶系统的落地应用。

【技术实现步骤摘要】
目标检测方法、装置、设备、介质及程序产品


[0001]本申请涉及车辆驾驶
，尤其涉及一种目标检测方法、装置、设备、介质及程序产品。

技术介绍

[0002]在自动驾驶或安全辅助驾驶系统中，感知自车周围环境中的物体至关重要。目前的目标检测方法，通常是在特定的场景下使用，较难应用到复杂多变的真实环境中。
[0003]例如当环境发生变化时，比如起雾、下雨、光线发生变化等，自动驾驶或安全辅助驾驶系统在目标检测过程中可能会出现错误决策，这将会带给人们巨大安全隐患，阻碍自动驾驶或安全辅助驾驶系统的实际落地应用。
[0004]如果要避免上述错误决策的发生，可能就需要针对不同场景制定相对应的目标检测方法，但这势必会耗费大量人力和物力，还会大大提升系统复杂性，也会给后续系统的更新与检测带来巨大工作量。并且，当新的场景出现时，则需要不断对系统进行相应修改。可见，针对不同场景制定相对应的目标检测方法可行性较差，也并未本质上解决问题。

技术实现思路

[0005]本申请提供一种目标检测方法、装置、设备、介质及程序产品，用于提供一种驾驶系统在多个不同场景下都可以使用的目标检测方法，以解决现有技术存在的技术问题。
[0006]第一方面，本申请提供一种目标检测方法，包括：
[0007]于多个不同场景中通过车辆的预设摄像头获取样本图像，所述不同场景包括不同气象环境和/或不同规划风格的道路；
[0008]基于各样本图像，根据预设神经网络以及预设评价模型得到各个目标特征与预设类别及定位信息之间的目标映射关系，所述各个目标特征是指与所述预设类别及定位信息的相关性满足预设条件且与场景变换无关的图像特征；
[0009]利用所述目标映射关系对目标物体进行检测，以得到所述目标物体的类别及定位信息。
[0010]在一种可能的设计中，所述基于各样本图像，根据预设神经网络以及预设评价模型得到各个目标特征与预设类别及定位信息之间的目标映射关系，包括：
[0011]对所述各样本图像进行标注得到各标注框，并通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征，所述各个内在特征是指与预设数据增强方式无关的图像特征；
[0012]根据预设评价模型以及所述各个内在特征得到各个本质特征，所述各个本质特征是指在所述不同场景下都存在的内在特征；
[0013]通过第二预设神经网络对所述各个本质特征和所述预设类别及定位信息进行学习，以得到所述各个目标特征和所述目标映射关系；
[0014]其中，所述预设神经网络包括所述第一预设神经网络和所述第二预设神经网络。
[0015]在一种可能的设计中，在所述通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征之前，还包括：
[0016]对所述各样本图像进行预设变换处理得到对应的各处理后图像，所述预设变换处理包括预设随机剪裁、预设随机颜色调整以及预设随机翻转中的一种或多种；
[0017]将所述各处理后图像进行预设标准化处理，以得到对应的各目标图像；
[0018]其中，所述预设数据增强方式包括所述预设变换处理和所述预设标准化处理。
[0019]在一种可能的设计中，所述通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征，包括：
[0020]通过所述第一预设神经网络将每个目标图像的各标注框与参考图像的各标注框进行对比学习，以确定出所述各个内在特征；
[0021]其中，所述参考图像包括当前目标图像对应的样本图像以及除所述当前目标图像之外的其它目标图像。
[0022]在一种可能的设计中，所述根据预设评价模型以及所述各个内在特征得到各个本质特征，包括：
[0023]在所述对比学习过程中，获取所述各个内在特征在各自的所述不同场景下的平均二阶统计量，所述平均二阶统计量通过协方差矩阵表示；
[0024]基于范数最小化原则根据所述不同场景下的所述平均二阶统计量获得所述各个本质特征；
[0025]所述预设评价模型包括所述平均二阶统计量以及所述范数最小化原则。
[0026]在一种可能的设计中，所述根据预设评价模型以及所述各个内在特征得到各个本质特征，包括：
[0027]在所述对比学习过程中，获取第一场景中的所述各个内在特征与第二场景中的所述各个内在特征相互之间的相似概率，所述相似概率通过相似度概率值表示；
[0028]将所述相似概率值大于第一预设阈值的各个内在特征确定为所述各个本质特征；
[0029]所述预设评价模型包括所述相似概率，所述不同场景包括所述第一场景和所述第二场景。
[0030]在一种可能的设计中，所述通过第二预设神经网络对所述各个本质特征和所述预设类别及定位信息进行学习，以得到所述各个目标特征和所述目标映射关系，包括：
[0031]在所述第二预设神经网络的学习过程中，获取所述各个本质特征与所述预设类别及定位信息之间的各相关度，所述预设类别及定位信息包括预设类别信息以及所述预设类别信息对应的定位信息；
[0032]从所述各相关度中筛选出大于第二预设阈值的各目标相关度，以将所述各目标相关度对应的所述各个本质特征确定为所述各个目标特征；
[0033]获取所述各个目标特征与所述预设类别及定位信息之间的对应关系，将所述对应关系确定所述目标映射关系；
[0034]所述预设条件是指大于所述第二预设阈值。
[0035]在一种可能的设计中，所述利用所述目标映射关系对目标物体进行检测，以得到所述目标物体的类别及定位信息，包括：
[0036]获取包含有所述目标物体图像的待检测图像，并对所述待检测图像进行标注，得
到待检测标注框；
[0037]将所述待检测标注框所标注的图像特征与所述目标映射关系进行比对，以得到所述目标物体的所述类别及所述定位信息。
[0038]在一种可能的设计中，所述预设摄像头包括单目摄像头、双目摄像头或三目摄像头中的任一种。
[0039]第二方面，本申请提供一种目标检测装置，包括：
[0040]获取模块，于多个不同场景中通过车辆的预设摄像头获取样本图像，所述不同场景包括不同气象环境和/或不同规划风格的道路；
[0041]处理模块，基于各样本图像，根据预设神经网络以及预设评价模型得到各个目标特征与预设类别及定位信息之间的目标映射关系，所述各个目标特征是指与所述预设类别及定位信息的相关性满足预设条件且与场景变换无关的图像特征；
[0042]检测模块，利用所述目标映射关系对目标物体进行检测，以得到所述目标物体的类别及定位信息。
[0043]在一种可能的设计中，所述处理模块，包括：
[0044]第一处理子模块，用于对所述各样本图像进行标注得到各标注框，并通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征，所述各个内在特征是指与预设数据增强方式无关的图像特征；
[0045]第二处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：于多个不同场景中通过车辆的预设摄像头获取样本图像，所述不同场景包括不同气象环境和/或不同规划风格的道路；基于各样本图像，根据预设神经网络以及预设评价模型得到各个目标特征与预设类别及定位信息之间的目标映射关系，所述各个目标特征是指与所述预设类别及定位信息的相关性满足预设条件且与场景变换无关的图像特征；利用所述目标映射关系对目标物体进行检测，以得到所述目标物体的类别及定位信息。2.根据权利要求1所述的目标检测方法，其特征在于，所述基于各样本图像，根据预设神经网络以及预设评价模型得到各个目标特征与预设类别及定位信息之间的目标映射关系，包括：对所述各样本图像进行标注得到各标注框，并通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征，所述各个内在特征是指与预设数据增强方式无关的图像特征；根据预设评价模型以及所述各个内在特征得到各个本质特征，所述各个本质特征是指在所述不同场景下都存在的内在特征；通过第二预设神经网络对所述各个本质特征和所述预设类别及定位信息进行学习，以得到所述各个目标特征和所述目标映射关系；其中，所述预设神经网络包括所述第一预设神经网络和所述第二预设神经网络。3.根据权利要求2所述的目标检测方法，其特征在于，在所述通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征之前，还包括：对所述各样本图像进行预设变换处理得到对应的各处理后图像，所述预设变换处理包括预设随机剪裁、预设随机颜色调整以及预设随机翻转中的一种或多种；将所述各处理后图像进行预设标准化处理，以得到对应的各目标图像；其中，所述预设数据增强方式包括所述预设变换处理和所述预设标准化处理。4.根据权利要求3所述的目标检测方法，其特征在于，所述通过第一预设神经网络对所述各标注框所标注的图像特征学习得到各个内在特征，包括：通过所述第一预设神经网络将每个目标图像的各标注框与参考图像的各标注框进行对比学习，以确定出所述各个内在特征；其中，所述参考图像包括当前目标图像对应的样本图像以及除所述当前目标图像之外的其它目标图像。5.根据权利要求4所述的目标检测方法，其特征在于，所述根据预设评价模型以及所述各个内在特征得到各个本质特征，包括：在所述对比学习过程中，获取所述各个内在特征在各自的所述不同场景下的平均二阶统计量，所述平均二阶统计量通过协方差矩阵表示；基于范数最小化原则根据所述不同场景下的所述平均二阶统计量获得所述各个本质特征；所述预设评价模型包括所述平均二阶统计量以及所述范数最小化原则。6.根据权利要求4所述的目标检测方法，其特征在于，所述根据预设评价模型以及所述
各个内在特征得到各个本质特征，包括：在所述对...

【专利技术属性】
技术研发人员：黄晨晰，宁庆群，钱炜，杨政，何晓飞，
申请(专利权)人：杭州飞步科技有限公司，
类型：发明
国别省市：