本说明书实施例公开了一种基于多颜色空间模型的图像检测方法，包括：获取路侧感知设备采集的第一道路环境图像数据，所述第一道路环境图像数据包括第一类型的颜色空间；将所述第一道路环境图像数据输入训练后的图像处理模型，得到处理后的第二道路环境图像数据；所述训练后的图像处理模型是基于第一训练样本和第二训练样本得到的；所述第一训练样本包括所述第一类型的颜色空间，所述第二训练样本包括第二类型的颜色空间；输出所述第二道路环境图像数据；所述第二道路环境图像数据的抗干扰能力大于所述第一道路环境图像数据的抗干扰能力；提高了对过暗或过曝光的道路环境图像数据的感知能力。据的感知能力。据的感知能力。
【技术实现步骤摘要】
一种基于多颜色空间模型的图像检测方法及装置
[0001]本申请涉及图像处理
，具体涉及一种基于多颜色空间模型的图像检测方法及装置。
技术介绍
[0002]在路侧感知设备的图像处理技术中，路侧视觉感知技术通常采用RGB图像视觉检测模型对交通参与者进行分类检测，识别得到对应的图像数据。RGB颜色空间模型是现有技术中使用最多的颜色空间模型，其由三个通道表示一幅图像，分别为红色(Red)，绿色(Green)和蓝色(Blue)。RGB颜色空间模型中是基于红、绿、蓝这三种颜色的不同组合形成所有的其他颜色。
[0003]在自然环境下，路侧感知设备获取的道路环境图像数据时容易受自然光照、遮挡和阴影等自然环境的影响，并且对亮度比较敏感，即对亮度抗干扰能力弱；而RGB颜色空间模型的三个分量都与亮度密切相关，只要亮度改变，三个分量都会随之相应地改变，导致基于RGB颜色空间模型的路侧感知设备采集到的图像数据没有一种更直观的方式来表达出被采集的图像。如作为时间检测模型的输入，亮度变化会导致基于RGB颜色空间模型的路侧感知设备采集到的图像数据发生变化，从而导致时间检测失效；最为常见的场景为高亮度或低亮度天气条件下，基于RGB颜色空间模型的路侧感知设备采集到的图像数据会因为过曝光、过暗等现象，导致视觉感知失效。因此，当前采用基于RGB颜色空间模型的路侧感知设备进行路侧感知，无法适应复杂环境的路侧感知应用场景。
[0004]基于此，本专利技术提出了一种在RGB颜色空间的基础上，将RGB颜色空间数据转换为其他颜色空间，进一步利用多种颜色空间对图像检测模型进行训练，得到一种基于多颜色空间模型以对图像进行检测方法，可降低亮度对图像检测的影响；从而解决目前部署至路侧感知设备中的颜色空间模型无法对复杂环境进行感知的问题，提高路侧感知设备对过暗或过曝光的道路环境图像的感知能力。
技术实现思路
[0005]本说明书实施例提供一种基于多颜色空间模型的图像检测方法及装置，以解决现有技术中部署至路侧感知设备中的颜色空间模型无法对复杂环境进行感知的问题，提高了路侧感知设备对过暗或过曝光的道路环境图像的感知能力。
[0006]为了解决上述技术问题，本说明书实施例是这样实现的：
[0007]第一方面，本说明书实施例提供了一种基于多颜色空间模型的图像检测方法，其特征在于，包括：
[0008]获取路侧感知设备采集的第一道路环境图像数据；所述第一道路环境图像数据包括第一类型的颜色空间；
[0009]将所述第一道路环境图像数据输入训练后的图像处理模型，得到处理后的第二道路环境图像数据；所述训练后的图像处理模型是基于第一训练样本和第二训练样本得到
的；所述第一训练样本包括所述第一类型的颜色空间，所述第二训练样本包括第二类型的颜色空间；
[0010]输出所述第二道路环境图像数据；所述第二道路环境图像数据的抗干扰能力大于所述第一道路环境图像数据的抗干扰能力。
[0011]第二方面，本专利技术实施例提供了一种基于多颜色空间模型的图像检测装置，其特征在于，包括：
[0012]获取模块，所述获取模块用于获取路侧感知设备采集的第一道路环境图像数据；所述第一道路环境图像数据包括第一类型的颜色空间；
[0013]数据处理模块，所述数据处理模块用于将所述第一道路环境图像数据输入训练后的图像处理模型，得到处理后的第二道路环境图像数据；所述训练后的图像处理模型是基于第一训练样本和第二训练样本得到的；所述第一训练样本包括所述第一类型的颜色空间，所述第二训练样本包括第二类型的颜色空间；
[0014]输出模块，所述输出模块用于输出所述第二道路环境图像数据；所述第二道路环境图像数据的抗干扰能力大于所述第一道路环境图像数据的抗干扰能力。
[0015]本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0016]通过获取路侧感知设备采集的第一道路环境图像数据，所述第一道路环境图像数据包括第一类型的颜色空间；将所述第一道路环境图像数据输入训练后否认图像处理模型，得到处理后的第二道路环境图像数据；所述训练后的图像处理模型是基于第一训练样本和第二训练样本得到的；所述第一训练样本包括所述第一类型的颜色空间，所述第二训练样本包括第二类型的颜色空间；输出所述第二道路环境图像数据；因为路侧感知设备中部署了经过两种类型的颜色空间训练后的图像处理模型，增强了路侧感知设备对道路环境中包括亮度变化带来的干扰的识别能力，因此第二道路环境图像数据的抗干扰能力大于第一道路环境图像数据的抗干扰能力。本方案中将通过两种类型的颜色空间训练后的图像处理模型部署至路侧感知设备中对道路环境图像进行检测，相比仅通过一种类型的颜色空间训练后的图像处理模型部署至路侧感知设备中对道路环境图像进行检测，在对过暗或过曝光的道路环境图像数据进行检测时具有更高的感知能力。
附图说明
[0017]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，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。本说明书的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0018]图1是本说明书实施例提供的一种基于多颜色空间模型的图像检测方法的流程示意图；
[0019]图2是本说明书实施例提供的一种基于多颜色空间模型的图像检测方法中确定训练样本的方法流程示意图；
[0020]图3是本说明书实施例提供的一种基于多颜色空间模型的图像检测装置的结构示意图。
具体实施方式
[0021]为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书一个或多个实施例保护的范围。
[0022]需要说明的是，本专利技术实施例中所有使用“第一”、“第二”、“第三”、和“第四”等的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”、“第二”、“第三”、和“第四”仅为了表述的方便和清楚；并且本专利技术实施例中所使用的装置对应的功能模块，可以是1套也可以是2套或多套，根据需求设置，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。
[0023]以下结合附图，详细说明本说明书各实施例提供的技术方案。
[0024]现有技术中，通常是基于RGB颜色空间训练后的模型部署至路侧感知设备中进行路侧图像的检测；在对视觉检测时，采用RGB三通道颜色空间的图像对深度学习模型进行训练，得到基于RGB三通道颜色空间训练后的颜色空间模型。在路侧感知应用场景下，采用RGB三通道颜本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多颜色空间模型的图像检测方法，其特征在于，包括：获取路侧感知设备采集的第一道路环境图像数据；所述第一道路环境图像数据包括第一类型的颜色空间；将所述第一道路环境图像数据输入训练后的图像处理模型，得到处理后的第二道路环境图像数据；所述训练后的图像处理模型是基于第一训练样本和第二训练样本得到的；所述第一训练样本包括所述第一类型的颜色空间，所述第二训练样本包括第二类型的颜色空间；输出所述第二道路环境图像数据；所述第二道路环境图像数据的抗干扰能力大于所述第一道路环境图像数据的抗干扰能力。2.如权利要求1所述的方法，其特征在于，还包括：获取历史道路环境图像数据；基于所述历史道路环境图像数据，采用随机梯度下降优化算法对训练前的图像处理模型进行训练，得到所述训练后的图像处理模型；将所述训练后的图像处理模型部署至所述路侧感知设备中，以便所述路测感知设备检测对应的道路环境图像数据。3.如权利要求2所述的方法，其特征在于，所述第一训练样本和所述第二训练样本是按照以下方式得到的：确定所述历史道路环境图像数据中各个图像的所述第一类型的颜色空间；将包含所述第一类型的颜色空间的所述历史道路环境图像数据确定为第一训练样本；根据所述各个图像的所述第一类型的颜色空间，利用第一预设的空间图像数据转换算法对各个图像的所述第一类型的颜色空间进行转换，得到第三类型的颜色空间；按照第二预设规则对所述第三类型的颜色空间进行数据转换，得到所述第二类型的颜色空间；所述第二类型的颜色空间的空间颜色格式与所述第一类型的颜色空间的空间颜色格式相同；将包含所述第二类型的颜色空间的历史道路环境图像数据作为所述第二训练样本。4.如权利要求3所述的方法，所述第一类型的颜色空间包括RGB颜色空间；所述第三类型的颜色空间至少包括HSV、HSI、CMY/MYK以及Lab中一种颜色空间。5.如权利要求3所述的方法，其特征在于，所述方法还包括：对所述历史道路环境图像数据标注第一标记；所述第一标记包括表示所述第一类型的颜色空间的标记；对所述历史道路环境图像数据标注第二标记，所述第二标记包括表示所述第三类型的颜色空间的标记；所述数据标注包括标注所述图像数据中前景图像数据的位置、颜色以及类别信息，和/或背景图像数据的位置、颜色以及类别信息。6.如权利要求3所述的方法，其特征在于，所述方法还包括：将所述第一训练样本输入至所述训练前的图像处理模型，得到第一梯度数据；将所述第二训练样本输入至所述训练前的图像处理模型，得到第二梯度数据；基于所述第一梯度数据和第二梯度数据，对所述训练前的图像处理模型进行权重更新，得到所述训练后的图像处理模型。7.如权利要求6所...
【专利技术属性】
技术研发人员：刘鹏，
申请(专利权)人：云控智行科技有限公司，
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。