[发明专利]车辆轮廓检测方法、装置、计算机设备及存储介质

说明书

本申请属于人工智能领域，公开了一种车辆轮廓检测方法、装置、计算机设备及可读存储介质。所述方法通过预训练的车辆视角轮廓预测模型对待检测车辆图像的特征进行识别，预测出待检测车辆图像的视角预测结果，其中，视角预测结果中包括与该车辆的拍摄视角对应的轮廓点信息，比如轮廓点的数量、轮廓点的大致的位置坐标；且本提案可以根据视角预测结果预测得到车辆轮廓，可以对不同的视角的车辆图像进行轮廓点的预测，提高车辆识别的效率。采用本方法解决了现有技术中无法对车辆的关键点进行检测技术问题。本申请还涉及区块链技术，所述车辆视角轮廓预测模型可存储于区块链节点中。

技术领域

本申请涉及人工智能领域，特别是涉及一种车辆轮廓检测方法、装置、计算机设备和存储介质。

背景技术

现有技术中可以通过人脸关键点检测算法来对人脸关键点进行校验和校准实现人脸识别的目的。但是还没有针对不同拍摄视角的车辆对车辆轮廓点进行校准、识别的技术，因为车辆图片拍摄的角度不同，会导致关键点的个数、关键点的位置信息改变，所以想用单一学习网络模型来解决多视角的关键点检测会很困难。如图2中图2-1所示，正面视角的车辆轮廓点有8个，但是图2-2侧面视角车辆轮廓关键掉有14个，无论是关键点个数信息或者关键点位置信息都有不同，如果每一个视角都构建一个独立的网络框架来校测该视角的关键点，所需要的模型数量多，所占用的资源也比较大。

通常为了优化关键点检测模型，可以将原图像进行多种预处理得到多种图像，通过模型检测图像上的关键点坐标并利用预设的损失函数确定图像上的关键点坐标之间的损失值，根据损失值确定出优化值，并优化关键点检测模型，可以预测出待检测图像上关键点的位置坐标。然而，这种方式只能够获取待检测图上的关键点，存在不能对车辆场景下不同视角的车辆图片进行关键点检测，降低了车辆识别的效率的技术问题。

发明内容

基于此，有必要针对上述技术问题，本申请提供一种车辆轮廓检测方法、装置、计算机设备及存储介质，以解决现有技术中无法对车辆的关键点进行检测技术问题。

一种车辆轮廓检测方法，所述方法包括：

获取待检测车辆图像，并输入到车辆视角轮廓预测模型中；

通过堆叠沙漏网络识别所述待检测车辆图像的特征，基于识别得到的车辆视角整体特征信息确定待检测车辆图像的视角预测结果；

对所述待检测车辆图像进行卷积处理，得到车辆特征图，其中，所述车辆特征图的数量与所述车辆视角预测结果对应的轮廓点数量相等；

计算所述车辆特征图中每一个像素点为轮廓点的预测值，并将最高预测值对应的轮廓点作为目标轮廓点；

整合每一张待检测车辆图像的所有目标轮廓点，作为所述车辆视角轮廓预测模型输出的所述待检测车辆图像的轮廓点预测结果。

一种车辆轮廓检测装置，所述装置包括：

图像获取模块，用于获取待检测车辆图像，并输入到车辆视角轮廓预测模型中；

视角预测模块，用于通过堆叠沙漏网络识别所述待检测车辆图像的特征，基于识别得到的车辆视角整体特征信息确定待检测车辆图像的视角预测结果；

图像处理模块，用于对所述待检测车辆图像进行卷积处理，得到车辆特征图，其中，所述车辆特征图的数量与所述车辆视角预测结果对应的轮廓点数量相等；

坐标预测模块，用于计算所述车辆特征图中每一个像素点为轮廓点的预测值，并将最高预测值对应的轮廓点作为目标轮廓点；

轮廓整合模块，用于整合每一张待检测车辆图像的所有目标轮廓点，作为所述车辆视角轮廓预测模型输出的所述待检测车辆图像的轮廓点预测结果。