[发明专利]交通场景解析方法和设备、存储介质

说明书

本发明公开了一种场景、交通场景解析方法和设备、存储介质通过将待处理交通图像输入到交通场景网络模型，利用交通场景网络模型的第一解析通道得到待处理交通图像的第一结果，利用交通场景网络模型的第二解析通道得到待处理交通图像的第二结果，利用交通场景网络模型的第三解析通道得到待处理交通图像的道路目标结果，其中道路目标结果包括车道线结果、标识线结果、道路边缘结果，然后将第一结果、第二结果和道路目标结果融合，得到待处理交通图像的场景解析结果。该技术方案克服了现有技术中语义分割存在的后处理困难计算量大，实例分割存在的分割精度差问题，解析结果中车道线等标识线难以精确分割的问题。

技术领域

本发明涉及计算机视觉处理技术域，具体是涉及一种交通场景解析方法和设备、存储介质。

背景技术

随着人工智能和图像技术的发展，场景解析技术在自动驾驶、交通事件检测等交通业务中的应用越来越广泛。比如像素级的场景解析可以自动识别事件检测中需要的证据，有效辅助交通场景的结构化，从而大幅减少甚至免去交通事件识别的配置规则。

现有技术中主要是使用语义分割和实例分割，由于现实交通场景中的实例形态多种多样，导致分割形成的车道线不可靠，最终拟合的结果会出现斜率偏差或者彻底偏离实际车道线的问题。而且语义分割存在的后处理困难计算量大，实例分割存在的分割精度差问题，解析结果中车道线难以精确分割的问题。

发明内容

本发明需要解决的现有的技术问题针对现实交通场景语义分割存在的后处理困难计算量大，实例分割存在的分割精度差问题，解析结果中车道线等标识线难以精确分割的问题。

为了解决上述技术问题本发明提供一种交通场景解析方法，包括：获取待处理交通图像，将待处理交通图像输入到交通场景网络模型；利用交通场景网络模型的第一解析通道得到待处理交通图像的第一结果，利用交通场景网络模型的第二解析通道得到待处理交通图像的第二结果；利用交通场景网络模型的第三解析通道得到待处理交通图像的道路目标结果；将第一结果、第二结果和道路目标结果融合，得到待处理交通图像的场景解析结果。

进一步地，第一结果包括关注目标和非关注目标结果，第二结果包括关注目标结果，关注目标结果包括标识线、车道线、交通设施、行人、机动车和非机动车，非关注目标结果包括天空、路面和树。

进一步地，获取待处理交通图像，将待处理交通图像输入到交通场景网络模型的步骤包括：通过交通场景网络模型对待处理交通图像进行特征提取，以获得待处理交通图像的共享特征图。

进一步地，通过交通场景网络模型对待处理交通图像进行特征提取，以获得待处理交通图像的共享特征图的步骤包括：采用基于VGG16模型的卷积池化结构作为骨干网络框架，将VGG16模型的最大通道数调节为256，利用反卷积恢复VGG16模型的下采样倍数为8，对待处理交通图像进行特征提取，以获得共享特征图。

进一步地，利用交通场景网络模型的第一解析通道得到待处理交通图像的第一结果，利用交通场景网络模型的第二解析通道得到待处理交通图像的第二结果的步骤之前包括：将共享特征图利用交通场景网络模型的区域候选网络获得候选框，将共享特征图通过感兴趣区域对齐RoIAlign网络层进行池化获得候选框内的池化特征，进而获得固定大小的感兴趣区域特征图。

进一步地，区域候选网络对共享特征图增加了标识线、车道线和交通设施的锚点比例和尺度。

进一步地，第一解析通道采用全卷积神经网络FCN框架，共享特征图通过全卷积神经网络FCN框架的多层卷积和反卷积得到包括关注目标和非关注目标的第一结果。