[发明专利]一种车灯识别的方法及装置

说明书

本发明提供一种车灯识别的方法及装置，本实施例提供的车灯识别的方法，包括：从包含车辆的图片中，确定第一矩形框和第二矩形框所对应的位置；将所述第一矩形框和所述第二矩形框中提取的特征进行融合，得到融合特征；将所述融合特征输入卷积神经网络模型，通过所述卷积神经网络模型的输出结果确定所述车辆的车灯是否开启。通过本公开实施例提供的车灯识别的方法，实现在车灯反光时仍能准确识别车灯的光亮情况，从而提高了检测的准确率。

技术领域

本发明涉及深度学习领域，尤其涉及一种车灯识别的方法及装置。

背景技术

随着时代的发展，人们的生活水平不断提高，家庭拥有车辆的群体逐步 增多，与之相关的是每年的车辆年检，其中，驻车制动检测是必不可少的一 个环节，驻车制动检测是指判断车辆的2个尾灯是否同时亮或不亮。

现有技术采用的方法是先定位车灯的位置，得到左、右车灯各一张图片， 将这两张图片输入resnet18分类模型，得到这两张图片的分类结果，根据分 类结果确定车灯是否同时亮或不亮，以判断车辆是否符合驻车制动检测标准。 这种处理方法在一般情况下能够保证检测的准确性，但如果在检测时遇到车 灯反光，反光易引起车灯的局部显现出明显的亮斑，这种情况很容易导致检 测结果的错误，比如车灯不亮时被误判为车灯亮，从而降低了检测的准确率。

因此，车辆检测时如何避免因车灯反光导致误判，从而降低检测的准确 率是一个亟待解决的问题。

发明内容

本发明提供一种车灯识别的方法，以实现在车灯反光时仍能准确识别车 灯的光亮情况，从而提高了检测的准确率。

第一方面，本公开提供一种车灯识别的方法，包括：

从包含车辆的图片中，确定第一矩形框和第二矩形框所对应的位置；

将第一矩形框和第二矩形框中提取的特征进行融合，得到融合特征；

将融合特征输入卷积神经网络模型，通过卷积神经网络模型的输出结果 确定车辆的车灯是否开启。

在一种可能的设计中，从包含车辆的图片中，确定第一矩形框和第二矩 形框所对应的位置，包括：

应用矩形目标检测算法，确定车灯的第一矩形框的位置信息；位置信息 包括第一宽度和第一高度；

按照增量，扩展第一矩形框的第一宽度和第一高度，确定第二矩形框的 位置信息；第二矩形框的位置信息包括第二宽度和第二高度。

在一种可能的设计中，在将第一矩形框和第二矩形框中提取的特征进行 融合之前，还包括：

根据卷积神经网络模型，设定第一矩形框的第一参数；

根据第一参数，确定第二矩形框的第二参数；

根据第一参数，对第一矩形框的图片区域提取第一特征；

根据第二参数，对第二矩形框的图片区域提取第二特征。

在一种可能的设计中，通过卷积神经网络模型的输出结果确定车辆的车 灯是否开启，包括：

将融合特征输入至卷积神经网络模型的全连接层，得到第一值和第二值；

当第一值大于第二值时，则确定车辆的车灯开启。

在一种可能的设计中，根据第一参数，确定第二矩形框的第二参数，包 括：

根据第一参数，增大卷积神经网络模型中卷积层的移动步长，得到第二 参数。

在一种可能的设计中，按照增量，扩展第一矩形框的第一宽度和第一高 度，确定第二矩形框的位置信息，包括：