用于检测对象接近的方法和系统技术方案

本发明专利技术涉及用于检测对象接近的方法、系统、存储介质、设备和车辆。按照本发明专利技术的一方面，提供一种用于检测对象接近的方法，其包括：获取目标检测区域的第一图像和第二图像；利用识别模型从第一图像和第二图像获取卷积层特征；比较第一图像和第二图像的卷积层特征；以及在比较结果满足第一阈值的情况下执行第一触发。触发。触发。

【技术实现步骤摘要】
用于检测对象接近的方法和系统


[0001]本专利技术涉及对象识别
具体而言，本专利技术涉及用于检测对象接近的方法、系统、存储介质、计算机设备和车辆。

技术介绍

[0002]汽车停在室内或户外场地时，尤其是停在户外场地时，容易受到周围经过的行人、非机动车辆等的误碰、刮伤等。此外，因无人看守，有可能会存在找不到肇事者的情况，使得车主遭受一定的财产损失。
[0003]目前，用于监控汽车周围情况的方法一般采用光流检测方法、图像检测等方法来执行对汽车周围对象的检测和识别，存在能耗高、响应慢等问题，且对于快速移动的对象检测效果差。

技术实现思路

[0004]为了解决或至少缓解以上问题中的一个或多个，提供了以下技术方案。
[0005]按照本专利技术的第一方面，提供一种用于检测对象接近的方法，其包括以下步骤：获取目标检测区域的第一图像和第二图像；利用识别模型从第一图像和第二图像获取卷积层特征；比较第一图像和第二图像的卷积层特征；以及在比较结果满足第一阈值的情况下执行第一触发。
[0006]根据本专利技术一实施例所述的用于检测对象接近的方法，还包括：在第一触发的次数达到第二阈值的情况下执行第二触发。
[0007]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的方法，其中卷积层特征为浅层卷积层特征。
[0008]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的方法，其中识别模型以如下目标进行训练：输入为预先标注有特定对象的位置区域的图像，输出为图像上的特定对象的位置。
[0009]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的方法，其中执行第一触发包括确定和/或记录与满足第一阈值的比较结果相关联的位置。
[0010]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的方法，其中执行第二触发包括触发警报，警报指示检测到接近的对象。
[0011]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的方法，其中第一阈值和/或第二阈值为自学习阈值。
[0012]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的方法，其中获得自学习阈值的过程包括：训练分类网络来区分预期引起第一触发的图像对和预期不引起第一触发的图像对；设定第一阈值和/或第二阈值；基于损失函数在所述分类网络中优化第一阈值和/或第二阈值。
[0013]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的方法，其中
比较结果包括第一图像与第二图像上对应位置处的卷积层特征之差。
[0014]按照本专利技术的第二方面，提供一种用于检测对象接近的系统，其包括：图像获取单元：其配置成获取目标检测区域的第一图像和第二图像；特征提取单元，其配置成利用识别模型从第一图像和第二图像获取卷积层特征；比较单元，其配置成比较第一图像和第二图像的卷积层特征；以及第一触发单元，其配置成在比较结果满足第一阈值的情况下执行第一触发。
[0015]根据本专利技术一实施例所述的用于检测对象接近的系统，还包括：第二触发单元，其配置成在第一触发的次数达到第二阈值的情况下执行第二触发。
[0016]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的系统，其中卷积层特征为浅层卷积层特征。
[0017]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的系统，其中识别模型以如下目标进行训练：输入为预先标注有特定对象的位置区域的图像，输出为图像上的特定对象的位置。
[0018]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的系统，其中执行第一触发包括确定和/或记录与满足第一阈值的比较结果相关联的位置。
[0019]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的系统，其中执行第二触发包括触发警报，警报指示检测到接近的对象。
[0020]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的系统，其中第一阈值和/或第二阈值为自学习阈值。
[0021]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的系统，其中获得自学习阈值的过程包括：训练分类网络来区分预期引起第一触发的图像对和预期不引起第一触发的图像对；设定第一阈值和/或第二阈值；基于损失函数在所述分类网络中优化第一阈值和/或第二阈值。
[0022]根据本专利技术一实施例或以上任一实施例的所述的用于检测对象接近的系统，其中比较结果包括第一图像与第二图像上对应位置处的卷积层特征之差。
[0023]按照本专利技术的第三方面，提供一种计算机可读存储介质，其上存储有可由处理器执行的程序指令，所述程序指令在由所述处理器执行时，执行根据本专利技术的一方面所述的用于检测对象接近的方法。
[0024]按照本专利技术的第四方面，提供一种计算机设备，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计算机程序，处理器执行程序时实现根据本专利技术的一方面所述的用于检测对象接近的方法。
[0025]按照本专利技术的第五方面，提供一种车辆，其包括根据本专利技术的一方面所述的用于检测对象接近的系统。
[0026]根据本专利技术的实施例的用于检测对象接近的方案能够检测到车辆周围对象的移动，当检测到对象靠近车辆时，能够自动触发报警，从而尽可能提醒车主或警示周围的移动对象。本专利技术的方案采用深度学习的方法，鲁棒性更高，比传统的光流方法更稳定，可以解决光影变化引起的误测问题。本专利技术的方案采用浅层特征比对的方法执行判断，通过提取前几层的特征，从而降低了深度学习模型的计算复杂度和能耗。本专利技术的方案采用自学习的阈值执行比较，避免了频繁调整触发阈值的问题，使用更稳定。
附图说明
[0027]本专利技术的上述和/或其它方面和优点将通过以下结合附图的各个方面的描述变得更加清晰和更容易理解，附图中相同或相似的单元采用相同的标号表示。附图包括：图1示出了按照本专利技术的一个实施例的用于检测对象接近的方法的流程图；图2示出了按照本专利技术的一个实施例的用于检测对象接近的系统的框图；以及图3示出了按照本专利技术的一个实施例的计算机设备的框图。
具体实施方式
[0028]以下具体实施方式的描述本质上仅仅是示例性的，并且不旨在限制所公开的技术或所公开的技术的应用和用途。此外，不意图受在前述
、
技术介绍
或以下具体实施方式中呈现的任何明示或暗示的理论的约束。
[0029]在实施例的以下详细描述中，阐述了许多具体细节以便提供对所公开技术的更透彻理解。然而，对于本领域普通技术人员显而易见的是，可以在没有这些具体细节的情况下实践所公开的技术。在其他实例中，没有详细描述公知的特征，以避免不必要地使描述复杂化。
[0030]诸如“包含”和“包括”之类的用语表示除了具有在说明书中有直接和明确表述的单元和步骤以外，本专利技术的技术方案也不排除具有未被直接或明确表述的其它单元和步骤的情形。诸如“第一”和“第二”之类的用语并不表示单元在时间、空间、大小等方面的顺序而仅仅是作区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于检测对象接近的方法，其特征在于，所述方法包括以下步骤：获取目标检测区域的第一图像和第二图像；利用识别模型从所述第一图像和所述第二图像获取卷积层特征；比较所述第一图像和所述第二图像的所述卷积层特征；以及在比较结果满足第一阈值的情况下执行第一触发。2.根据权利要求1所述的方法，所述方法还包括：在所述第一触发的次数达到第二阈值的情况下执行第二触发，其中所述第一阈值和/或所述第二阈值为自学习阈值。3.根据权利要求1所述的方法，其中所述卷积层特征为浅层卷积层特征；和/或所述识别模型以如下目标进行训练：输入为预先标注有特定对象的位置区域的图像，输出为所述图像上的特定对象的位置。4.根据权利要求1所述的方法，其中执行所述第一触发包括确定和/或记录与满足所述第一阈值的所述比较结果相关联的位置；和/或执行所述第二触发包括触发警报，所述警报指示检测到接近的对象。5.根据权利要求2所述的方法，其中获得所述自学习阈值的过程包括：训练分类网络来区分预期引起所述第一触发的图像对和预期不引起所述第一触发的图像对；设定所述第一阈值和/或所述第二阈值；基于损失函数在所述分类网络中优化所述第一阈值和/或所述第二阈值；和/或所述比较结果包括所述第一图像与所述第二图像上对应位置处的卷积层特征之差。6.一种用于检测对象接近的系统，其特征在于，所述系统包括：图像获取单元：其配置成获取目标检测区域的第一图像和第二图像；特征提取单元，其配置成利用识别模型从所述第一图像和所述第二图像获取卷积层特征；比较单元，其配置成比较所述第一图像和所述第二图像的所述卷积层特征；以及第一触发单元，其配置成在比较结果满足第一阈值的情况下执行第一触发。...

【专利技术属性】
技术研发人员：马明明，吕雪杰，
申请(专利权)人：蔚来汽车科技安徽有限公司，
类型：发明
国别省市：