[发明专利]一种车辆检测方法及装置

说明书

本发明实施例提供了一种车辆检测方法及装置，该方法在对待检测图像进行车辆检测时，将待检测图像中包含车辆区域的图像区域划分成多个网格区域，并从每一网格区域中选取属于前景区域的网格区域作为检测区域；将选取的检测区域输入至车辆检测模型进行车辆检测，获得图像区域的车辆区域检测结果。本发明实施例不再直接将图像区域作为车辆检测模型的输入信息，而是先识别图像区域划分后的网格区域中的前景区域，再将前景区域的网格区域作为车辆检测模型的输入信息，使得车辆检测模型能够较好的收敛，从而能够提高车辆检测的精确度。

技术领域

本发明涉及交通运输管理技术领域，特别是涉及一种车辆检测方法及装置。

背景技术

智能交通系统是指对交通环境中涉及的人、车、道路及环境等因素进行综合考虑的系统。上述智能交通系统可以协助驾驶员实时了解道路交通状况，进而可以以安全和经济的方式到达目的地。另外，交通管理人员可以借助上述智能交通系统获得车辆信息、驾驶员信息和道路实时交通状况等信息，进而高效的进行交通管理。

目前，基于上述智能交通系统进行车辆检测时，一般将包含车辆的图像输入至预先训练的神经网络模型进行车辆区域检测，获得图像数据的车辆检测结果。

但是在对交通视频中的目标检测和分类进行深度学习时，需要设计到深层次的神经网络，因此在对该神经网络模型进行深层次的网络训练时，往往存在梯度弥散和爆炸的问题，从而导致神经网络无法收敛，进而导致利用训练后的神经网络模型进行图像检测时，精确度较低。

发明内容

本发明实施例的目的在于提供一种车辆检测方法，能够提高车辆检测的精确度。

一种车辆检测方法，所述方法包括：

确定待检测图像中包含车辆区域的图像区域；

将所述图像区域划分成多个网格区域，并从每一网格区域中选取属于前景区域的网格区域作为检测区域；

将选取的检测区域输入至车辆检测模型进行车辆检测，获得图像区域的车辆区域检测结果，其中，所述车辆检测模型为：预先采用样本检测区域对深度卷积神经网络模型进行训练得到的、用于检测图像区域中所包含车辆区域的模型，所述样本检测区域为从多个样本网格区域中选取的属于前景区域的样本网格区域，所述样本网格区域为对待检测样本图像包含车辆区域的样本图像区域进行网格划分得到的网格区域。

进一步地，通过以下方式获得所述车辆检测模型：

获取第一待检测样本图像中包含车辆区域的第一样本图像区域；

将所述第一样本图像区域划分成多个第一样本网格区域，并从每一所述第一样本网格区域中选取属于前景区域的第一样本网格区域作为第一样本检测区域；

获得所述第一待检测样本图像的第一车辆标记；

采用所述第一样本检测区域和所述第一车辆标记，对预设的深度卷积神经网络模型进行训练，得到用于检测图像区域中所包含车辆区域的车辆检测模型。

进一步地，将得到用于检测图像区域中所包含车辆区域的车辆检测模型记为第一车辆检测模型，在所述得到用于检测图像区域中所包含车辆区域的车辆检测模型之后，还包括：

获取第二待检测样本图像中包含车辆区域的第二样本图像区域；其中，所述第二待检测样本图像为与所述第一待检测样本图像不同的样本图像；

将所述第二样本图像区域划分成多个第二样本网格区域，并从每一所述第二样本网格区域中选取属于前景区域的第二样本网格区域作为第二样本检测区域；

获得所述第二样本图像区域的第二车辆标记；

将第二样本检测区域输入至所述第一车辆检测模型进行车辆检测，获得第二样本图像区域的车辆区域检测结果；