[发明专利]基于颜色模式分析与语义分割的盲道检测方法

权利要求书

1.一种基于颜色模式分析与语义分割的盲道检测方法，其特征在于，所述方法包括：

获取待检测图像对应的盲道颜色概率特征图；所述盲道颜色概率特征图用于表示所述待检测图像中每个像素属于盲道的概率；

利用预先构建的高斯扩散模型获取所述待检测图像对应的盲道位置概率特征图；所述盲道位置概率特征图用于表示在所述待检测图像中每个像素位置上出现盲道的概率；

利用预先构建的语义分割模型获取所述待检测图像对应的盲道局部纹理特征图，并根据所述盲道颜色概率特征图、所述盲道位置概率特征图和所述盲道局部纹理特征图获取特征融合图像，对所述特征融合图像进行语义分割得到所述待检测图像中的盲道区域；

其中，所述语义分割模型是基于深度神经网络构建的模型；

其中，“获取待检测图像对应的盲道颜色概率特征图”，具体包括：

获取所述待检测图像中每个像素点在预设的颜色模式下的颜色值；

根据所述颜色值并利用预设的盲道显著性模型，获取所述待检测图像中每个像素点属于盲道的概率；

其中，所述盲道显著性模型是根据：获取在所述颜色模式下预设的训练样本图像中的盲道颜色模式与所述训练样本图像对应的场景颜色模式，对所述盲道颜色模式和所述场景颜色模式进行归一化处理得到盲道颜色模式概率分布和场景颜色模式概率分布，计算所述分布比对结果所生成的模型；

其中，“获取在所述颜色模式下所述训练样本图像中的盲道颜色模式和所述训练样本图像对应的场景颜色模式”的步骤包括：对所述训练样本图像进行量化处理，得到所述训练样本图像的颜色模式直方图；利用所述颜色模式直方图，统计所述训练样本图像中属于盲道的像素点和属于训练样本图像场景的像素点；根据统计结果获取所述盲道颜色模式与所述场景颜色模式；

根据所述每个像素点对应的概率生成盲道颜色概率特征图；

其中，“利用预先构建的高斯扩散模型获取所述待检测图像对应的盲道位置概率特征图”的步骤包括：

获取预设的训练样本图像对应的盲道位置概率，并根据所述盲道位置概率生成盲道位置概率粗图；

利用所述高斯扩散模型对所述盲道位置概率粗图进行平滑处理，得到盲道位置概率特征图。

2.根据权利要求1所述的基于颜色模式分析与语义分割的盲道检测方法，其特征在于，

“获取所述待检测图像中每个像素点在预设的颜色模式下的颜色值”具体包括：

在RGB颜色空间或者转换后的RGB、HIS或Lab颜色空间中，对待检测图像颜色进行量化，建立颜色模式直方图，根据所建立的颜色模式直方图，确定出待检测图像中每个像素点在预设的颜色模式下的颜色值。

3.根据权利要求1所述的基于颜色模式分析与语义分割的盲道检测方法，其特征在于，“对所述盲道颜色模式和所述场景颜色模式进行归一化处理得到盲道颜色模式概率分布和场景颜色模式概率分布”具体包括：利用所述颜色模式直方图分别统计训练样本图像中盲道颜色模式及整幅训练图片的场景颜色模式并进行归一化，分别得到盲道颜色模式的归一化概率分布和场景颜色模式的归一化概率分布。

4.根据权利要求1所述的基于颜色模式分析与语义分割的盲道检测方法，其特征在于，所述盲道显著性模型如下式所示：

M_blind＝{ω_k|k＝1,2,…, N}

其中，

ω_k表示颜色直方图模式中第k个模式盲道显著性强度，是盲道显著性计算中的中间符号，指的是中的最大值，用于归一化p_bk和p_sk分别表示盲道颜色模式的归一化概率和场景颜色模式的归一化概率，k＝1, …,N，M_blind表示盲道显著性模型。

5.根据权利要求1所述的基于颜色模式分析与语义分割的盲道检测方法，其特征在于，“获取预设的训练样本图像对应的盲道位置概率，并根据所述盲道位置概率生成盲道位置概率粗图”的步骤包括：

将每个训练样本图像均转换为尺寸相同的样本图片；

统计在所述样本图像的每个像素点位置出现盲道的次数；

根据所统计出的次数以及所述样本图片的总数，计算在每个所述像素点位置出现盲道的概率，并根据所述概率生成所述盲道位置概率粗图。