[发明专利]一种地面目标检测评价方法

说明书

本发明公开一种地面目标检测评价方法，其包括：在检测图像上标注标签，并获取正样本总数；以标注标签像素点为基准，将像素点的8邻域范围内的像素点计扩展为与其相同的标签；获得检测样本总数；以扩展后的已标注标签的像素点为基准像素点，判断与每个基准像素点的8邻域范围位置相同的对应区域中是否至少存在一个标签相同的像素点，若是，则正确检测样本数增加1；若否，则记为误检目标；将正确检测样本数除以正样本总数得到召回率，将误检目标数除以检测样本总数得到误检率，基于召回率和误检率优化预置卷积神经网络。本发明通过计算召回率和误检率的方式，优化检测网络，解决了检测效果缺乏的评价方法问题。

技术领域

本发明涉及智能交通领域，具体而言，本发明涉及一种地面目标检测评价方法。

背景技术

随着汽车数量的不断增加，在给人类生活带来便利的同时也导致了交通事故不断发生、交通堵塞等不良后果，为此，智能交通系统应运而生。智能交通系统中最具有重要意义的就是实现无人驾驶。作为智能交通领域关键技术之一的车道线检测技术，对实现车辆智能驾驶、车道偏离预警系统以及车辆防碰撞系统具有重要意义。

目前，越来越多的基于深度学习目标检测的方法实现地面目标，特别是地面标识线的检测，但是却缺乏合理的评价方法去评价检测效果，这在一定程度上影响了无人驾驶的发展进程。

发明内容

为了寻找较为有效的评价地面目标检测的实现方案，本发明提供了一种地面目标检测评价方法，其包括如下步骤：

在获取的检测图像上标注标签，统计标注标签的所有像素点的数目并计为正样本总数，其中所述标签分为四类，分别是车道线、路沿、斑马线和停止线；

以所述检测图像上已标注标签像素点为基准，将所述像素点的8邻域范围内的像素点计扩展为与其相同的标签；

在预置卷积神经网络对获取的检测图像按照预设组别进行分组检测，获得检测结果并统计得到检测样本总数，其中，所述检测样本总数为所述预置卷积神经网络所有检测到的像素点的总数；

以扩展后的所述检测图像中已标注标签的像素点为基准像素点，判断所述检测结果与所述每个基准像素点的8邻域范围位置相同的对应区域中是否至少存在一个标签相同的像素点，若是，则正确检测样本数增加1；若否，则记为误检目标；

将所述正确检测样本数除以所述正样本总数得到召回率，将统计得到的误检目标数除以所述检测样本总数得到误检率，并基于所述召回率和所述误检率优化所述预置卷积神经网络。

优选地，所述预设组别包括车道线检测组、路沿检测组和斑马线停止线检测组；所述在预置卷积神经网络对获取的检测图像按照预设组别进行分组检测包括如下步骤：

按照车道线检测组、路沿检测组和斑马线停止线检测组在预置卷积神经网络对获取的检测图像进行分组检测。

优选地，所述获得检测结果并统计得到检测样本总数包括如下步骤：

获取车道线检测组、路沿检测组和斑马线停止线检测组的三组检测结果；

使用预置的车道线组置信度、预置的路沿组置信度和预置的斑马线停止线置信度处理所述三组检测结果得到所述检测图像的检测结果；

统计所述检测结果得到检测样本总数。

优选地，所述基于所述召回率和所述误检率优化所述预置卷积神经网络包括如下步骤：

基于所述召回率和所述误检率调整所述预置卷积神经网络中的网络控制信息，以优化所述预置卷积神经网络。

优选地，所述获取车道线检测组、路沿检测组和斑马线停止线检测组的三组检测结果包括如下步骤：