申请/专利权人：交通运输部公路科学研究所

申请日：2024-01-18

公开（公告）日：2024-03-29

公开（公告）号：CN117593890B

主分类号：G08G1/01

分类号：G08G1/01;G08G1/16;G01N21/88;G06T7/00;G06N3/0464;G06N3/09;G06T3/40;G06T7/70;G06V10/764;G06V10/766;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本申请实施例提供一种道路遗撒物体的检测方法、装置、电子设备及存储介质，该方法包括：获取待识别图像；对待识别图像进行解析，通过预先训练的候选框提取模型，确定与待识别图像对应的目标物体的候选特征图；根据目标物体的候选特征图和预先训练的检测模型，确定目标物体的类别和位置信息，根据目标物体和预先存储的遗散物分类模型，确定目标物体是否为分布外的遗散物，本申请实施例通过训练检测模型、候选框提取模型并结合遗散物分类模型，对待识别图像进行识别，能够更准确地检测道路上的遗撒物，并判断该遗撒物是否为分布外的遗撒物，且确定遗撒物的类别和位置信息，提高了检测结果的精确度。

主权项：1.一种道路遗撒物体的检测方法，其特征在于，所述方法包括：获取待识别图像；对所述待识别图像进行解析，通过预先训练的候选框提取模型，确定与所述待识别图像对应的目标物体的候选特征图，其中，所述候选框提取模块至少包括第一分类分支子模型和第一边界框回归分支子模型，所述第一分类分支子模型用于确定所述待识别图像中的前景或背景；根据所述目标物体的候选特征图和预先训练的检测模型，确定所述目标物体的类别和位置信息，其中，所述预先训练的检测模型至少包括第二分类分支子模型和第二边界框回归分支子模型，所述第二分类分支子模型用于确定物体的类别，所述第二边界框回归分支子模型用于确定物体的位置信息；根据目标物体和预先存储的遗散物分类模型，确定所述目标物体是否为分布外的遗散物；其中：所述对所述待识别图像进行解析，通过预先训练的候选框提取模型，确定与所述待识别图像对应的目标物体的候选特征图，包括：将待识别图像的分辨率进行归一化处理，并将处理后的待识别图像输入到特征提取主干网络中，得到第一特征图；对所述第一特征图进行卷积下采样，得到第二特征图，并对所述第二特征图进行拼接，得到拼接融合的尺度特征；对所述拼接融合的尺度特征进行卷积下采样，得到第三特征图；将所述第三特征图输入到所述预先训练的候选框提取模型，得到第一物体锚框；若所述第一物体锚框和真实物体框的交并比大于第一预设值，则将所述第一物体锚框确定为第一锚框；根据第一锚框的目标概率，对所述第一锚框进行排序；若所述第一锚框的目标概率大于第二预设值，则将大于第二预设值的第一锚框确定为第二锚框；通过输入特征图，将所述第二锚框映射到待识别图像中的对应位置，并根据映射结果确定所述待识别图像对应的目标物体的候选特征图。

全文数据：

权利要求：

百度查询： 交通运输部公路科学研究所 一种道路遗撒物体的检测方法、装置、电子设备及存储介质

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