基于图像识别模型的图像处理方法及相关产品技术

本申请提供了基于图像识别模型的图像处理方法及相关产品，可应用于人工智能技术或者车载场景等，其中方法包括：获取针对车辆行驶道路拍摄得到的待处理图像；将待处理图像输入第一特征提取网络中进行处理，得到初始特征；将初始特征输入包括串联的M个特征提取子网络的第二特征提取网络中进行处理，得到各个特征提取子网络处理得到的目标特征；将第X个特征提取子网络处理得到的目标特征输入细粒度元素识别网络中进行处理，确定细粒度元素识别结果；将初始特征、各个特征提取子网络处理得到的目标特征中的全部或者部分输入车道数识别网络中进行处理，确定车道数识别结果。采用上述方式可以提高道路元素识别的准确性。述方式可以提高道路元素识别的准确性。述方式可以提高道路元素识别的准确性。

【技术实现步骤摘要】
基于图像识别模型的图像处理方法及相关产品


[0001]本申请涉及人工智能
，尤其涉及基于图像识别模型的图像处理方法、基于图像识别模型的图像处理装置、计算机设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]随着社会的发展，车辆越来越普及，人们广泛使用车辆作为出行的交通工具，而为更好的辅助驾驶员驾驶车辆，车辆导航以及车辆自动控制等技术应运而生。为实现车辆导航以及车辆自动控制等，需要对车辆行驶道路上的诸如车道线、车道数等道路元素进行识别，而如何准确的识别道路元素是有待解决的问题。

技术实现思路

[0003]本申请实施例提供了基于图像识别模型的图像处理方法及相关产品，可以提高道路元素识别的准确性。
[0004]一方面，本申请实施例提供了一种基于图像识别模型的图像处理方法，应用于图像识别模型，该图像识别模型包括第一特征提取网络、第二特征提取网络、车道数识别网络和细粒度元素识别网络；第二特征提取网络的输入与第一特征提取网络的输出连接；第二特征提取网络包括串联的M个特征提取子网络，第N个特征提取子网络提取的特征的尺度大于第N
‑
1个特征提取子网络提取的特征的尺度，M为大于1的正整数，N为任意一个大于1并且小于或等于M的正整数；细粒度元素识别网络的输入与第M个特征提取子网络的输出连接，车道数识别网络的输入与各个特征提取子网络的输出连接；该方法包括：
[0005]获取待处理图像，待处理图像为针对车辆行驶道路拍摄得到；
[0006]将待处理图像输入第一特征提取网络中进行处理，得到关于待处理图像中的车辆行驶道路的初始特征；
[0007]将初始特征输入第二特征提取网络中进行处理，得到各个特征提取子网络处理得到的目标特征；
[0008]将第X个特征提取子网络处理得到的目标特征输入细粒度元素识别网络中进行处理，确定待处理图像中的车辆行驶道路的细粒度元素识别结果；X为大于或等于1并且小于或等于M的正整数；
[0009]将初始特征、各个特征提取子网络处理得到的目标特征中的全部或者部分输入车道数识别网络中进行处理，确定待处理图像中的车辆行驶道路的车道数识别结果。
[0010]一方面，本申请实施例提供了一种基于图像识别模型的图像处理装置，所述图像识别模型包括第一特征提取网络、第二特征提取网络、车道数识别网络和细粒度元素识别网络；所述第二特征提取网络的输入与所述第一特征提取网络的输出连接；所述第二特征提取网络包括串联的M个特征提取子网络，第N个特征提取子网络提取的特征的尺度大于第N
‑
1个特征提取子网络提取的特征的尺度，M为大于1的正整数，N为任意一个大于1并且小于或等于M的正整数；所述细粒度元素识别网络的输入与第M个特征提取子网络的输出连接，
所述车道数识别网络的输入与各个特征提取子网络的输出连接；所述装置包括：
[0011]获取单元，用于获取待处理图像，所述待处理图像为针对车辆行驶道路拍摄得到；
[0012]处理单元，用于将所述待处理图像输入所述第一特征提取网络中进行处理，得到关于所述待处理图像中的车辆行驶道路的初始特征；
[0013]处理单元，还用于将所述初始特征输入所述第二特征提取网络中进行处理，得到各个特征提取子网络处理得到的目标特征；
[0014]处理单元，还用于将第X个特征提取子网络处理得到的目标特征输入所述细粒度元素识别网络中进行处理，确定所述待处理图像中的车辆行驶道路的细粒度元素识别结果；X为大于或等于1并且小于或等于M的正整数；
[0015]处理单元，还用于将所述初始特征、所述各个特征提取子网络处理得到的目标特征中的全部或者部分输入所述车道数识别网络中进行处理，确定所述待处理图像中的车辆行驶道路的车道数识别结果。
[0016]一方面，本申请实施例提供了一种计算机设备，包括：处理器、通信接口和存储器，所述处理器、所述通信接口和所述存储器相互连接，其中，所述存储器存储有可执行程序代码，所述处理器用于调用所述可执行程序代码，实现本申请实施例提供的基于图像识别模型的图像处理方法。
[0017]相应地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机实现本申请实施例提供的基于图像识别模型的图像处理方法。
[0018]相应地，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序或计算机指令，所述计算机程序或计算机指令被处理器执行时实现本申请实施例提供的基于图像识别模型的图像处理方法的步骤。
[0019]相应地，本申请实施例还提供了一种计算机程序，所述计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中，计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备实现本申请实施例提供的基于图像识别模型的图像处理方法。
[0020]本申请实施例中，先利用第一特征提取网络提取待处理图像中的车辆行驶道路的初始特征，然后利用串联的M个特征提取子网络对该初始特征进行处理，得到多个不同尺度的关于待处理图像中的车辆行驶道路的目标特征，然后结合该初始特征以及多个不同尺度的目标特征中的全部或者部分确定待处理图像中的车辆行驶道路的车道数识别结果，可以提高车道数识别的准确性。另外，本申请实施例提供的图像识别模型包括多个任务网络，输入一张车辆行驶道路的图像即可确定车辆行驶道路的不同道路元素的识别结果，识别效率更高。同时，因多个任务网络共享主干网络，能够最大限度的保证图像识别模型在进行道路元素识别时降低图像识别模型的参数量，计算效率更高。
附图说明
[0021]为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是本申请实施例提供的一种数据处理系统的架构示意图；
[0023]图2是本申请实施例提供的一种基于图像识别模型的图像处理方法的流程示意图；
[0024]图3是本申请实施例提供的一种图像识别模型的结构示意图；
[0025]图4是本申请实施例提供的一种车辆行驶导航示意图；
[0026]图5是本申请实施例提供的另一种车辆行驶导航示意图；
[0027]图6是本申请实施例提供的又一种车辆行驶导航示意图；
[0028]图7是本申请实施例提供的又一种车辆行驶导航示意图；
[0029]图8是本申请实施例提供的又一种车辆行驶导航示意图；
[0030]图9是本申请实施例提供的另一种基于图像识别模型的图像处理方法的流程示意图；
[0031]图10是本申请实施例提供的另一种图像识别模型的结构示意图；
[0032]图11是本申请实施例提供的一种图像识别模型的结构示意图；
[0033]图12是本申请实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别模型的图像处理方法，其特征在于，所述图像识别模型包括第一特征提取网络、第二特征提取网络、车道数识别网络和细粒度元素识别网络；所述第二特征提取网络的输入与所述第一特征提取网络的输出连接；所述第二特征提取网络包括串联的M个特征提取子网络，第N个特征提取子网络提取的特征的尺度大于第N
‑
1个特征提取子网络提取的特征的尺度，M为大于1的正整数，N为任意一个大于1并且小于或等于M的正整数；所述细粒度元素识别网络的输入与第M个特征提取子网络的输出连接，所述车道数识别网络的输入与各个特征提取子网络的输出连接；所述方法包括：获取待处理图像，所述待处理图像为针对车辆行驶道路拍摄得到；将所述待处理图像输入所述第一特征提取网络中进行处理，得到关于所述待处理图像中的车辆行驶道路的初始特征；将所述初始特征输入所述第二特征提取网络中进行处理，得到各个特征提取子网络处理得到的目标特征；将第X个特征提取子网络处理得到的目标特征输入所述细粒度元素识别网络中进行处理，确定所述待处理图像中的车辆行驶道路的细粒度元素识别结果；X为大于或等于1并且小于或等于M的正整数；将所述初始特征、所述各个特征提取子网络处理得到的目标特征中的全部或者部分输入所述车道数识别网络中进行处理，确定所述待处理图像中的车辆行驶道路的车道数识别结果。2.如权利要求1所述的方法，其特征在于，所述图像识别模型还包括粗粒度元素识别网络，所述粗粒度元素识别网络的输入与第M
‑
K个特征提取子网络的输出连接，K为大于或等于1并且小于M的正整数，所述方法还包括：将第M
‑
K个特征提取子网络处理得到的目标特征输入所述粗粒度元素识别网络中进行处理，确定所述待处理图像中的车辆行驶道路的粗粒度元素识别结果；其中，所述粗粒度元素识别结果包括斑马线识别结果、护栏识别结果、路缘石识别结果以及导流带识别结果中的一种或者多种。3.如权利要求1所述的方法，其特征在于，所述将第X个特征提取子网络处理得到的目标特征输入所述细粒度元素识别网络中进行处理，确定所述待处理图像中的车辆行驶道路的细粒度元素识别结果，包括：将第X个特征提取子网络处理得到的目标特征输入所述细粒度元素识别网络中进行处理，基于所述第X个特征提取子网络处理得到的目标特征确定所述待处理图像中的细粒度前景像素；基于所述细粒度前景像素确定车道线像素，对所述车道线像素进行颜色分类和线型分类；基于颜色分类结果和线型分类结果确定车道线识别结果，将所述车道线识别结果确定为所述待处理图像中的车辆行驶道路的细粒度元素识别结果。4.如权利要求1
‑
3任一项所述的方法，其特征在于，所述车道数识别结果包括：车辆所处车道位于车辆行驶道路从左数的左数车道数以及从右数的右数车道数、所述左数车道数对应的置信度、所述右数车道数对应的置信度；所述方法还包括：于车道提示界面中的左侧位置区域显示所述左数车道数以及所述左数车道数对应的
置信度；于所述车道提示界面中的右侧位置区域显示所述右数车道数以及所述右数车道数对应的置信度。5.如权利要求2所述的方法，其特征在于，所述粗粒度元素识别结果包括护栏识别结果和路缘石识别结果中的一种或者多种，所述护栏识别结果包括车辆与护栏之间的距离，所述路缘石识别结果包括车辆与路缘石之间的距离；所述方法还包括：当基于所述粗粒度元素识别结果检测到满足警示条件时，输出警示信息；其中，所述警示信息用于提示驾驶对象存在碰撞危险，所述满足警示条件包括车辆与护栏之间的距离小于或等于第一距离阈值以及车辆与路缘石之间的...

【专利技术属性】
技术研发人员：陈克凡，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：