本申请实施例公开了一种信息确定方法，包括：获取包括多对样本红外光图像和样本可见光图像的样本光谱图像；确定具有双路结构的包括用于提取红外光图像的特征的第一主干网络和用于提取可见光图像的特征的第二主干网络特征提取网络；基于特征提取网络、样本光谱图像和目标损失函数进行模型训练得到目标对象检测模型；基于目标对象检测模型对待检测图像进行处理，确定包括针对同一待检测区域的待检测红外光图像和待检测可见光图像的待检测图像的目标对象的目标属性参数，解决了相关技术中无法充分采集到夜间行人的特征信息且抽取的特征过于简单的问题，提高了检测精度。本申请实施例还公开了一种信息确定装置、设备和计算机可读存储介质。机可读存储介质。机可读存储介质。
【技术实现步骤摘要】
一种信息确定方法、装置、设备和计算机可读存储介质
[0001]本申请涉及通信领域中的信息确定技术，尤其涉及一种信息确定方法、装置、设备和计算机可读存储介质。
技术介绍
[0002]目前，辅助驾驶技术中针对行人的检测显得尤为重要。基于光照变化是行人检测面临的难点，影响检测的准确度，传统方法是使用特征提取器提取行人特征，并使用分类器判断区域内是否有目标。同时，随着深度学习技术的发展，深度网络模型在行人检测领域得到广泛应用，从而检测精度也随之提高。但是，夜间环境下的行人目标缺乏有区分度的特征，夜间低照度图像具有低信噪比和低对比度等特点，导致难以提取到有区分度的特征。因此，上述行人检测技术存在无法充分采集到夜间行人的特征信息且抽取的特征过于简单，以及检测精度低的问题。
技术实现思路
[0003]为解决上述技术问题，本申请实施例期望提供一种信息确定方法、装置、设备和计算机可读存储介质，解决了相关技术中的进行夜间行人检测的方案存在无法充分采集到夜间行人的特征信息且抽取的特征过于简单的问题，提高了检测精度。
[0004]本申请的技术方案是这样实现的：
[0005]一种信息确定方法，所述方法包括：
[0006]获取包括多对样本红外光图像和样本可见光图像的样本光谱图像；
[0007]确定具有双路结构的特征提取网络；其中，所述特征提取网络包括用于提取红外光图像的特征的第一主干网络和用于提取可见光图像的特征的第二主干网络；
[0008]基于所述特征提取网络、所述样本光谱图像和目标损失函数进行模型训练，得到目标对象检测模型；
[0009]基于所述目标对象检测模型对待检测图像进行处理，确定所述待检测图像中的目标对象的属性参数；其中，所述待检测图像包括针对同一待检测区域的待检测红外光图像和待检测可见光图像。
[0010]上述方案中，所述基于所述特征提取网络、所述样本光谱图像和目标损失函数进行模型训练，得到目标对象检测模型，包括：
[0011]获取所述样本红外光图像针对所述第一主干网络的不同层次的第一特征图；
[0012]获取所述样本可见光图像针对所述第二主干网络的不同层次的第二特征图；
[0013]基于所述不同层次的第一特征图、所述不同层次的第二特征图和所述目标损失函数进行模型训练，得到所述目标对象检测模型。
[0014]上述方案中，所述基于所述不同层次的第一特征图、所述不同层次的第二特征图和所述目标损失函数进行模型训练，得到所述目标对象检测模型，包括：
[0015]针对所述第一主干网络和所述第二主干网络的第一目标层次，分别对第一特征子
图和第二特征子图进行处理，得到处理后的第一特征子图和处理后的第二特征子图；其中，所述第一特征包括所述第一特征子图，所述第二特征图包括所述第二特征子图；
[0016]针对所述第一主干网络和所述第二主干网络的第二目标层次，基于目标多光谱特征融合模块对所述处理后的第一特征子图和处理后的第二特征子图进行融合处理，得到融合特征子图；
[0017]针对所述第一主干网络和所述第二主干网络的第三目标层次，分别对所述融合特征子图进行处理得到所述目标对象的预测属性参数；
[0018]基于所述预测属性参数、所述样本光谱图像的样本属性参数和所述目标损失函数进行模型训练，得到所述目标对象检测模型。
[0019]上述方案中，所述方法还包括：
[0020]确定所述样本红外光图像对应的第一权重和所述样本可见光图像对应的第二权重；
[0021]确定所述样本红外光图像对应的红外光样本特征图，和所述样本可见光图像对应的可见光样本特征图；
[0022]基于所述第一权重、所述第二权重、所述红外光样本特征图和所述可见光样本特征图，确定所述目标多光谱特征融合模块。
[0023]上述方案中，所述确定所述样本红外光图像对应的第一权重和所述样本可见光图像对应的第二权重，包括：
[0024]确定所述样本红外光图像的所述第二目标层次的第一特征值，并确定所述样本可见光图像的所述第二目标层次的第二特征值；
[0025]采用归一化指数函数对所述第一特征值进行处理得到所述第一权重；
[0026]采用所述归一化指数函数对所述第二特征值进行处理得到所述第二权重。
[0027]上述方案中，所述方法还包括：
[0028]确定每一属性参数对应的损失函数和权重；
[0029]基于所述每一属性参数对应的所述损失函数和所述权重，确定所述目标损失函数。
[0030]上述方案中，所述基于所述目标对象检测模型对待检测图像进行处理，确定所述待检测图像中的目标对象的属性参数，包括：
[0031]获取所述待检测红外光图像和所述待检测可见光图像；
[0032]基于所述目标对象检测模型对所述待检测红外光图像和所述待检测可见光图像进行处理，确定移动终端对应的所述待检测区域中的目标对象的目标属性参数；
[0033]相应的，所述方法还包括：
[0034]基于所述目标属性参数和所述移动终端的移动速度，确定是否生成用于提示所述待检测区域中具有目标对象的提示信息。
[0035]上述方案中，所述获取所述待检测红外光图像和所述待检测可见光图像，包括：
[0036]通过所述移动终端的图像采集器，采集针对所述待检测区域的初始红外光图像和初始可见光图像；
[0037]对所述初始红外光图像和所述初始可见光图像进行目标处理，得到所述待检测红外光图像和所述待检测可见光图像。
[0038]一种信息确定装置，所述装置包括：
[0039]获取单元，用于获取包括多对样本红外光图像和样本可见光图像的样本光谱图像；
[0040]确定单元，确定具有双路结构的特征提取网络；其中，所述特征提取网络包括用于提取红外光图像的特征的第一主干网络和用于提取可见光图像的特征的第二主干网络；
[0041]处理单元，用于基于所述特征提取网络、所述样本光谱图像和目标损失函数进行模型训练，得到目标对象检测模型；
[0042]处理单元，还用于基于所述目标对象检测模型对待检测图像进行处理，确定所述待检测图像中的目标对象的目标属性参数；其中，所述待检测图像包括针对同一待检测区域的待检测红外光图像和待检测可见光图像。
[0043]一种信息确定设备，所述设备包括：处理器、存储器和通信总线；
[0044]所述通信总线用于实现处理器和存储器之间的通信连接；
[0045]所述处理器用于执行存储器中的信息确定程序，以实现如上述的信息确定方法的步骤。
[0046]一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的信息确定方法的步骤。
[0047]本申请的实施例所提供的信息确定方法、装置、设备和计算机可读存储介质，可以获取包括多对样本红外光图像和样本可见光图像的样本光谱图像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信息确定方法，其特征在于，所述方法包括：获取包括多对样本红外光图像和样本可见光图像的样本光谱图像；确定具有双路结构的特征提取网络；其中，所述特征提取网络包括用于提取红外光图像的特征的第一主干网络和用于提取可见光图像的特征的第二主干网络；基于所述特征提取网络、所述样本光谱图像和目标损失函数进行模型训练，得到目标对象检测模型；基于所述目标对象检测模型对待检测图像进行处理，确定所述待检测图像中的目标对象的目标属性参数；其中，所述待检测图像包括针对同一待检测区域的待检测红外光图像和待检测可见光图像。2.根据权利要求1所述的方法，其特征在于，所述基于所述特征提取网络、所述样本光谱图像和目标损失函数进行模型训练，得到目标对象检测模型，包括：获取所述样本红外光图像针对所述第一主干网络的不同层次的第一特征图；获取所述样本可见光图像针对所述第二主干网络的不同层次的第二特征图；基于所述不同层次的第一特征图、所述不同层次的第二特征图和所述目标损失函数进行模型训练，得到所述目标对象检测模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述不同层次的第一特征图、所述不同层次的第二特征图和所述目标损失函数进行模型训练，得到所述目标对象检测模型，包括：针对所述第一主干网络和所述第二主干网络的第一目标层次，分别对第一特征子图和第二特征子图进行处理，得到处理后的第一特征子图和处理后的第二特征子图；其中，所述第一特征包括所述第一特征子图，所述第二特征图包括所述第二特征子图；针对所述第一主干网络和所述第二主干网络的第二目标层次，基于目标多光谱特征融合模块对所述处理后的第一特征子图和处理后的第二特征子图进行融合处理，得到融合特征子图；针对所述第一主干网络和所述第二主干网络的第三目标层次，分别对所述融合特征子图进行处理得到所述目标对象的预测属性参数；基于所述预测属性参数、所述样本光谱图像的样本属性参数和所述目标损失函数进行模型训练，得到所述目标对象检测模型。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：确定所述样本红外光图像对应的第一权重和所述样本可见光图像对应的第二权重；确定所述样本红外光图像对应的红外光样本特征图，和所述样本可见光图像对应的可见光样本特征图；基于所述第一权重、所述第二权重、所述红外光样本特征图和所述可见光样本特征图，确定所述目标多光谱特征融合模块。...
【专利技术属性】
技术研发人员：张岩，尚果超，王昀，刘宏炜，
申请(专利权)人：中移雄安信息通信科技有限公司中国移动通信集团有限公司，
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。