【技术实现步骤摘要】
基于图像的速度确定方法、装置、设备及存储介质
[0001]本申请涉及图像识别
,尤其涉及基于图像的速度确定方法、装置、设备及存储介质。
技术介绍
[0002]目前,利用拍摄的目标对象的视频,来估算该目标对象的运动速度,已成为一种普遍的趋势。如,目标对象为相对本车辆运动的目标车辆,可以通过拍摄目标车辆的视频,确定该目标车辆的当前行驶速度。
[0003]相关技术中,通常采用光流法对运动图像分析,来预测图像中目标对象的运动速度。该方法的实现是以“输入图像的图像亮度恒定”为前提,而在实际应用中,很难保证目标对象的图像亮度恒定。可见,采用上述方法预测速度,会因输入的图像亮度不稳定,而造成预测的运行速度误差大、准确性低等问题。因此,如何避免输入的图像特性的影响,提高预测的运行速度的准确性,已成为当下亟待解决的技术问题。
技术实现思路
[0004]基于上述技术问题,本申请提供一种基于图像的速度确定方法、装置、设备及存储介质,用于解决因输入的图像亮度不稳定,而造成预测的运行速度误差大、准确性低等问题。
[0005]第一方面,提供了一种基于图像的速度确定方法,该方法包括:获取目标对象在环境空间运动过程中的第一图像和第二图像,第一图像的采集时间晚于第二图像的采集时间;将从第一图像中提取的第一特征与从第二图像中提取的第二特征融合,得到融合特征图,融合特征图包括目标对象的第一像素位置信息和第二像素位置信息,第一像素位置信息表征目标对象在第一图像中的像素位置,第二像素位置信息表征目标对象在第二图像中的像素 ...
【技术保护点】
【技术特征摘要】
1.一种基于图像的速度确定方法,其特征在于,所述方法包括:获取目标对象在环境空间运动过程中的第一图像和第二图像,所述第一图像的采集时间晚于所述第二图像的采集时间;将从所述第一图像中提取的第一特征与从所述第二图像中提取的第二特征融合,得到融合特征图,所述融合特征图包括所述目标对象的第一像素位置信息和第二像素位置信息,所述第一像素位置信息表征所述目标对象在所述第一图像中的像素位置,所述第二像素位置信息表征所述目标对象在所述第二图像中的像素位置;对所述融合特征图进行第一卷积操作,得到位移信息特征图,所述位移信息特征图用于表征像素位置与位移的对应关系;从所述位移信息特征图中提取与目标像素位置对应的目标位移,所述目标像素位置为所述位移信息特征图中与所述目标对象的所述第一像素位置信息相对应的像素位置;根据所述目标位移,确定所述目标对象在所述第一图像的采集时间的运动速度。2.根据权利要求1所述的速度确定方法,其特征在于,所述方法还包括:获取所述目标对象在所述第一图像的采集时间的目标空间位置,所述目标空间位置为所述目标对象在所述环境空间的三维位置;确定所述目标空间位置投影在第一图像上的二维投影位置;按照所述第一图像的尺寸与所述位移信息特征图的尺寸的比例,将所述二维投影位置转换成所述目标像素位置。3.根据权利要求2所述的基于图像的速度确定方法,其特征在于,所述方法还包括:对所述融合特征图进行第二卷积操作,得到位移不确定度特征图;所述位移不确定度特征图用于表征像素位置与位移不确定度的对应关系,所述位移不确定度表示所述位移信息特征图中任一像素位置对应的位移的准确程度;根据所述目标像素位置,从所述位移不确定度特征图中提取所述目标位移对应的位移不确定度。4.根据权利要求3所述的基于图像的速度确定方法,其特征在于,所述将从所述第一图像中提取的第一特征与从所述第二图像中提取的第二特征融合,得到融合特征图,以及对所述融合特征图进行第一卷积操作,得到位移信息特征图,包括:将所述第一图像和所述第二图像输入至位移确定模型,得到所述位移确定模型输出的所述位移信息特征图。5.根据权利要求4所述的基于图像的速度确定方法,其特征在于,所述位移确定模型包括特征提取模块、融合模块、位移信息特征图确定模块;所述特征提取模块,用于从所述第一图像中提取所述第一特征,以及从所述第二图像中提取所述第二特征;所述融合模块,用于将所述第一特征和所述第二特征融合,以输出融合特征图;所述位移信息特征图确定模块,用于根据所述融合特征图,输出所述位移信息特征图。6.根据权利要求5所述的基于图像的速度确定方法,其特征在于,所述位移确定模型还包括位移不确定特征图确定模块;所述位移不确定特征图确定模块,用于根据所述融合特征图,输出所述位移不确定特征图。
7.一种位移确定模型的训练方法,其特征在于,所述训练方法包括:获取训练样本集,所述训练样本集中的每个训练样本包括样本对象运动过程中的第一训练图像和第二训练图像,以及所述训练样本对应的标签;所述第一训练图像的第一采样时间晚于所述第二训练图像的第二采样时间;所述标签包括所述样本对象在所述第一训练图像中的第一真实像素位置和所述样本对象在所述第一采样时间与所述第二采样时间之间产生的真实位移;采用所述训练样本集,对预设的初始模型进行训练,得到位移确定模型;其中,所述初始模型包括特征提取模块、融合模块和位移信息特征图确定模块;所述特征提取模块,用于从所述第一训练图像中提取第一特征,以及从所述第二训练图像中提取第二特征;所述融合模块,用于将所述第一特征和所述第二特征融合,得到融合特征图,所述融合特征图包括所述样本对象的第一像素位置信息和第二像素位置信息,所述第一像素位置信息表征所述样本对象在所述第一训练图像中的像素位置,所述第二像素位置信息表征所述样本对象在所述第二图像中的像素位置;所述位移信息特征图确定模块,用于根据所述融合特征图,输出位移信息特征图,所述位移信息特征图表征像素位置与位移的对应关系;所述位移信息特征图中与所述第一真实像素位置相对应的位移为所述初始模型输出的预测位移。8.根据权利要求7所述的训练方法,其特征在于,所述采用所述训练样本集,对预设的初始模型进行训练,得到位移确定模型,包括:将所述训练样本输入至所述初始模型,得到所述初始模型输出的所述预测位移;根据所述预测位移与所述真实位移确定第一训练损失;根据训练损失调整所述初始模型的参数,以得到所述位移确定模型;所述训练损失包括所述第一训练损失。9.根据权利要求8所述的训练方法,其特征在于,所述标签还包括所述样本对象的真实像素位移和第一真实位置,所述训练方法还包括:根据所述预测位移和所述第一真实位置,对所述样本对象在所述第二采样时间的真实位置进行预测,得到预测的第二真实位置;根据所述预测的第二真实位置,对所述样本对象在所述第二训练图像中的真实像素位置进行预测,得到预测的第二真实像素位置;根据所述预测的第二真实像素位置与所述第一真实像素位置,得到预测像素位移;根据预测像素位移与所述真实像素位移确定第二训练损失;所述训练损失还包括所述第二训练损失。10.根据权利要求8至9任一项所述的训练方法,其特征在于,所述初始模型还包括位移不确定特征图确定模块;所述位移不确定特征图确定模块,用于根据所述融合特征图,输出所述位移不确定特征图,所述位移不确定度特征图用于表征像素位置与位移不确定度的对应关系,所述位移不确定度表示所述位移信息特征图中任意像素位置对应的位移的准确程度。11.根据权利要求10所述的训练方法,其特征在于,所述采用所述训练样本集,对预设
的初始模型进行训练,得到位移确定模型,还包括:根据所述位移不确定度和所述真实位移确定第三训练损失;所述训练损失还包括所述第三训练损失。12.一种基于图像的速度确定装置,其特征在于,所述速度确定装置包括:第一获取单元,被配置为执行获取目标对象在环境空间运动过程中的第一图像和第二图像,所述第一图像的采集时间晚于所述第二图像的采集时间;融合单元,被配置为执行将从所述第一图像中提取的第一特征与从所述第二图像中提取的第二特征融合,得到融合特征图,所述融合特征图包括所述目标对象的第一像素位置信息和第二像素位置信息,所述第一像素位置信...
【专利技术属性】
技术研发人员:翁春磊,刘楠,赵显,
申请(专利权)人:上海高德威智能交通系统有限公司,
类型:发明
国别省市:
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。