[发明专利]图像处理方法、信息处理方法及设备

说明书

本发明提供一种图像处理方法、信息处理方法及设备，涉及通信技术领域。该方法包括：获取车辆在当前行驶情况下的第一车辆信息以及车载摄像拍摄的第一图像；根据所述第一车辆信息和所述第一图像，通过预先构建的目标卷积神经网络模型，确定与当前行驶情况下车辆对应的目标逆透视变换矩阵；根据所述目标逆透视变换矩阵，将所述第一图像变换为鸟瞰图。本发明的方案，解决了现有技术中直接基于车载摄像拍摄图像进行车辆行驶提醒，误差较大的问题。

技术领域

本发明涉及通信技术领域，特别是指一种图像处理方法、信息处理方法及设备。

背景技术

随着生活水平的提升，汽车的保有量也随之大大增加。而为了避免用户驾驶车辆发生违章，现有的车辆往往设置有监控系统进行驾驶提醒。

然而，由于道路的颠簸，摄像头的俯仰角、偏航角会发生变化，尤其在道路存在坡度的时候，俯仰角变化很大。因此，直接基于摄像头采集到的图像进行车辆行驶提醒，会存在加大的误差。

发明内容

本发明的目的是提供一种图像处理方法、信息处理方法及设备，以解决现有技术中直接基于车载摄像拍摄图像进行车辆行驶提醒，误差较大的问题。

为达到上述目的，本发明的实施例提供一种图像处理方法，包括：

获取车辆在当前行驶情况下的第一车辆信息以及车载摄像拍摄的第一图像；

根据所述第一车辆信息和所述第一图像，通过预先构建的目标卷积神经网络模型，确定与当前行驶情况下车辆对应的目标逆透视变换矩阵；

根据所述目标逆透视变换矩阵，将所述第一图像变换为鸟瞰图。

可选地，所述根据所述第一车辆信息和所述第一图像，通过预先构建的目标卷积神经网络模型，确定与当前行驶情况下车辆对应的目标逆透视变换矩阵，包括：

通过对所述第一图像的分析，获得当前行驶情况下的第一路况信息；

根据所述第一车辆信息和所述第一路况信息，在与所述目标卷积神经网络模型对应的数据库中查找，得到所述目标逆透视变换矩阵；或者，将所述第一车辆信息、所述第一图像和所述第一路况信息输入到所述目标卷积神经网络模型，获得输出的所述目标逆透视变换矩阵。

可选地，所述数据库中存储有根据测量样本和所述目标卷积神经网络模型获得的对应不同车辆信息以及不同路况信息的逆透视变换矩阵。

为达到上述目的，本发明的实施例提供一种信息处理方法，包括：

根据不同路况信息以及不同车辆信息构建测量样本；

将所述测量样本输入预先构建的初始卷积神经网络模型，构建目标卷积神经网络模型，以根据车辆行驶的情况，确定对应的目标逆透视变换矩阵。

可选地，所述目标卷积神经网络模型包括第一部分和第二部分；其中，

所述第一部分的输入为车辆信息、路况信息、预设的初始图像和预设的初始逆透视变换矩阵，输出为特征值信息；

所述第二部分的输入为所述特征值信息和车载摄像拍摄的图像，输出为逆透视变换矩阵。

可选地，所述初始逆透视变换矩阵是根据在预设道路上目标车辆的车载摄像拍摄第二图像，计算道路消失点后，通过四点变换算法得到的逆透视变换矩阵；所述初始图像为所述第二图像。

可选地，所述目标卷积神经网络模型包括6个卷积层，3个池化层，2个全连接层。

可选地，所述根据不同路况信息以及不同车辆信息构建测量样本包括：

基于不同路况信息，获取目标车辆的车载摄像拍摄的第三图像，以及所述目标车辆的第二车辆信息；