【技术实现步骤摘要】
本专利技术涉及道路交通，具体地，涉及一种基于区域屏蔽的数据标注、训练和目标检测方法。
技术介绍
1、道路交通路侧感知系统(路侧综合感知系统)的主要功能是利用包含相机的设备，实现交通场景下机动车、非机动车和行人的目标检测和识别，在路侧综合感知系统中，利用神经网络模型进行目标检测和识别，对于需要部署路侧综合感知系统的路段，为了提高目标感知的准确性，我们需要提前采集路侧图像数据并进行标注，然后利用标注的结果训练神经网络模型。
2、考虑到路侧检测系统的主要检测范围是摄像头所拍摄区域的道路上，即使相机可视范围很远，但对于较远处的目标所占据像素很少，一方面使用神经网络检测像素面积很少的目标比较困难，导致通过神经网络来进行目标检测的准确性得不到保障，另一方面对需要使用人工智能模型进行目标检测的项目来讲，均需要大量标注数据用于训练，而这些较远处像素很少的目标无疑是增加了标注工程师的工作量，降低了标注工程师的标注效率。
技术实现思路
1、为解决上述现有技术存在的问题，本专利技术提供了一种基于区域屏蔽的数据标注、训练和目标检测方法，该方法包括以下步骤：
2、获取相机地址，基于所述相机地址，采用第一方式获取并保存所述相机录制的图像至预设图像集；
3、基于所述预设图像集，获取预设时间段内同一场景的所有第一图像；
4、在所有第一图像中确定一帧图像为标定图像，采用预设方式划分所述标定图像的屏蔽区域；
5、基于划分屏蔽区域后的所述标定图像，采用预设工具
6、对完成屏蔽区域划分的所有第一图像进行区域屏蔽；
7、对完成区域屏蔽的所有第一图像进行目标数据标注；
8、对完成目标数据标注的所有第一图像进行目标检测模型的训练；
9、基于训练完成的所述目标检测模型，对道路目标进行检测识别。
10、本专利技术是通过以下技术方案实现的：获取相机地址，通过读取实时流协议的方式获取并保存相机录制的图像到预设图像集，然后基于该图像集，获取预设时间段内同一场景下的所有第一图像，在这些第一图像中确定一帧图像为标定图像(一般以目标数据最多的图像作为标定图像)，然后采用预设方式对标定图像划分屏蔽区域，因为考虑到路侧检测系统的主要检测范围是摄像头所拍摄区域的道路，即使相机可视范围很远，但对于较远处的目标而言占据的像素也很少，一方面使用神经网络来检测像素面积很少的目标较为困难，另一方面也增大了标注工程师的标注量，所以通过划分屏蔽区域的方式对像素很少的这部分区域进行屏蔽。再基于完成划分屏蔽区域的标定图像，采用预设工具对剩余的第一图像批量划分屏蔽区域，提高了对同一场景图像屏蔽区域划分的处理效率。再对完成屏蔽区域划分的所有第一图像进行区域屏蔽，可采用灰色像素对屏蔽区域进行填充，再对完成区域屏蔽的所有第一图像进行目标数据标注，标注完成后，对所有第一图像进行目标检测模型的训练，最后基于训练完成的目标检测模型，来对道路目标进行检测识别。
11、进一步地，采用预设方式划分所述标定图像的屏蔽区域包括：
12、屏蔽所述标定图像上侧纵向第一像素区域得到中间图像；
13、对所述中间图像中的所有目标进行数据标注，标注的每个目标均包含目标框左上角像素(x1，y1)和右下角像素(x2，y2)；
14、基于每个目标框左上角的像素值和右下角的像素值，计算对应目标框左下角的像素值和右上角的像素值；
15、基于每个目标框的左上角像素(x1，y1)、左下角像素(x1，y2)、右上角像素(x2，y1)及右下角像素(x2，y2)，构成一组二维点集，通过第一方法计算所述二维点集的最小外接多边形，将所述最小外接多边形作为所述中间图像检测的有效区域；
16、基于所述中间图像检测的有效区域，划分所述标定图像的屏蔽区域。
17、其中，首先对标定图像上侧纵向第一像素区域进行屏蔽得到屏蔽后的中间图像，对中间图像中的所有目标进行数据标注，标注后每个目标的目标框都包含左上角像素(x1，y1)和右下角像素(x2，y2)，再通过每个目标框的左上角和右下角像素值，计算每个目标框的左下角和右上角的像素值，基于每个目标框的左上角像素、左下角像素、右上角像素和右下角像素，构成一组二维点集，采用旋转卡壳法对这组二维点集进行处理，得到该二维点集的最小外接多边形，将该外接多边形作为中间图像检测的有效区域，从而将标定图像中非有效区域均划分为屏蔽区域。
18、进一步地，所述第一像素区域的获取方式包括：
19、调整所述相机的安装角度，使得所述相机在纵向上预设比例的感知范围为图像的有效检测范围，所述感知范围内所有目标的像素均大于预设值；
20、基于所述有效检测范围，获取所述图像的无效检测范围；
21、基于所述无效检测范围，获取所述第一像素区域，所述第一像素区域的高度低于所述无效检测范围对应的区域高度。
22、其中，对于相机的安装角度，需使得相机在纵向上预设比例的感知范围为图像有效检测范围，如使相机感知范围(3/4h，图像高度为h)的范围为图像的有效检测范围，那么应该屏蔽的区域应该为图像上侧1/4h的区域，当为了避免过度屏蔽，不会直接屏蔽上侧纵向1/4的区域，而是屏蔽掉图像上侧纵向第一像素区域，该第一像素区域的高度(如1/8h)是低于无效检测范围对应的区域高度(1/4h)。
23、进一步地，通过第一方法计算所述二维点集的最小外接多边形包括：
24、步骤1；找到所述二维点集中最左下角点p0，将点p0标记为起点；
25、步骤2：计算起点p0与其他所有点的极角，将极角最大的点标记为点p1，若存在多个点具有相同的最大极角，则选择距离起点p0最远的点标记为点p1，所述极角为其他二维点以起点p0为原点，与x轴的夹角；
26、步骤3：初始化一个空的凸包列表；
27、步骤4：将当前点p1添加到所述凸包列表中，遍历所述二维点集中剩余的点，选择一个点p2，使得点p2满足由起点p0、点p1及点p2构成的角度最大的条件，若存在多个点满足所述条件，则选择距离点p1最远的那个点标记为点p2；
28、步骤5：将点p2标记为新的点p1，循环执行所述步骤4，直至回到起点p0；
29、步骤6：循环结束后，所述凸包列表中的点就为所述二维点集的最小外接多边形。
30、其中，第一方法为旋转卡壳法，旋转卡壳法的基本原理为在一个凸多边形上选择一条边，然后将这条边绕着顶点逆时针选择，直到找到一个能够包含所有二维点集的最小凸多边形。
31、进一步地，采用预设工具对其他第一图像批量划分屏蔽区域包括：
32、导入划分屏蔽区域后的所述标定图像；
33、获取所述标定图像划分屏蔽区域的屏蔽路径；
34、基于所述屏蔽路径，对其他第一图像批量划分屏蔽区域。
35、其中，通过预设工具对同一场景本文档来自技高网...
【技术保护点】
1.一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，采用预设方式划分所述标定图像的屏蔽区域包括：
3.根据权利要求2所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，所述第一像素区域的获取方式包括：
4.根据权利要求2所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，通过第一方法计算所述二维点集的最小外接多边形包括：
5.根据权利要求1所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，采用预设工具对其他第一图像批量划分屏蔽区域包括：
6.根据权利要求5所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，所述预设工具还包括对不同场景下不同标定图像的所述屏蔽路径进行保存，当获取到第一场景下的第二图像，通过所述预设工具调用所述第一场景下对应标定图像的第一屏蔽路径，基于所述第一屏蔽路径，对所有第二图像批量划分屏蔽区域。
7.根据权利要求1
8.根据权利要求1所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，采用第一方式获取所述相机录制的图像包括：设置预设频率，按照所述预设频率获取所述相机录制的图像。
9.根据权利要求1所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，采用labelme标注工具对完成区域屏蔽的所有第一图像进行目标数据标注。
10.根据权利要求1所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，所述第一方式具体为读取实时流协议的方式。
...【技术特征摘要】
1.一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，采用预设方式划分所述标定图像的屏蔽区域包括：
3.根据权利要求2所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，所述第一像素区域的获取方式包括：
4.根据权利要求2所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，通过第一方法计算所述二维点集的最小外接多边形包括：
5.根据权利要求1所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，采用预设工具对其他第一图像批量划分屏蔽区域包括：
6.根据权利要求5所述的一种基于区域屏蔽的数据标注、训练和目标检测方法，其特征在于，所述预设工具还包括对不同场景下不同标定图像的所述屏蔽路径进行保存，当获取到第一场景...
【专利技术属性】
技术研发人员：胡丽娟，邓鑫，唐瑛，张楠，
申请(专利权)人：车路通科技成都有限公司，
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。