申请/专利权人：松立控股集团股份有限公司

申请日：2022-06-02

公开（公告）日：2024-03-29

公开（公告）号：CN114973138B

主分类号：G06V20/52

分类号：G06V20/52;G06N3/0464;G06N3/08;G06T7/10;G06V10/774;G06V20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.09.16#实质审查的生效;2022.08.30#公开

摘要：本发明属于路面异常物体检测技术领域，涉及一种基于高位相机的路面异常物体检测方法，先构建数据集，再基于编码器‑解码器结构的图像分割网络，固定编码器得到的特征，并重新利用解码器对提取的特征进行图像重建，利用分割结果和重建的结果联合送入卷积网络提取特征凸显道路中的异常物体，然后利用时间段信息判断该物体是异常的还是已经处理掉的异常物体，提高了异常物体检测的精度。

主权项：1.一种基于高位相机的路面异常物体检测方法，其特征在于，具体过程为：（1）数据集构建：收集停车场高位相机的视频图像，并对图像进行语义标注，将图像中的像素分类成汽车、行人和路面得到数据集，并将数据集划分为训练集、验证集和测试集；（2）设计语义分割的网络结构：语义分割采用编码器-解码器结构，输入图像分辨率为1024×512，编码器结构为三级卷积，解码器结构为二级卷积，译码器后面加一个1×1卷积，实现图像像素分割得到分割图像；（3）重建图像：固定步骤（2）中的编码器，从解码器最后一层重新接入一个解码器，重新接入的解码器结构与步骤（2）的解码器结构一样，对重新接入的解码器进行训练得到重建图像；利用步骤（1）中构建的数据集，将图像中位置为道路的像素标注为1，不是道路的像素标注为2，用MSE作为能量损失，构建能量损失函数，将非道路部分的物体更好的凸显出来；（4）利用重建图像与分割图像结果联合进行异常物体检测：将步骤（3）中重建的结果与步骤（2）中分割的结果一起送入卷积模块进行进一步的特征提取，提取后的特征将道路中的异常物体凸显出来，该异常物体如果连续出现在五分钟内，则认为是异常物体需要处理，如果该异常物体在五分钟内消失，则说明该异常物体已被处理掉；（5）训练网络，得到训练好的道路异常分割网络模型：将数据集中训练集的图像尺寸由 1920×1024×3缩放成9605123，按照256张图像一个批次依次输入到整个网络中，整个 网络的输入为，输出为道路异常的分割结果；经过设定次数完整训练集训练 迭代后，保存验证集上结果最好的模型参数，作为最终模型训练好的参数，即得到训练好的 道路异常分割网络模型； （6）通过推理得到结果：把高位监控相机的视频图像输入到训练好的道路异常分割网络模型进行前向推理得到道路异常物体的分割结果，完成路面异常物体检测。

全文数据：

权利要求：

百度查询： 松立控股集团股份有限公司 一种基于高位相机的路面异常物体检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD