[发明专利]一种确定监控图像中斑马线的方法、装置、设备及介质

权利要求书

1.一种确定监控图像中斑马线的方法，其特征在于，所述方法包括：

针对接收到的至少两个监控图像中的每个监控图像，将该监控图像输入预先训练完成的概率模型，确定该监控图像的第一概率向量，其中所述第一概率向量包括该监控图像中每个像素点为斑马线像素点的第一概率值；

将至少两个监控图像的第一概率向量输入预先训练完成的融合模型，确定所述至少两个监控图像对应的融合图像的第二概率向量，其中所述第二概率向量包括融合图像中每个像素点为斑马线像素点的第二概率值；

针对所述融合图像中的每个像素点，若该像素点的第二概率值不小于预设的概率阈值，则将该像素点确定为斑马线像素点。

2.根据权利要求1所述的方法，其特征在于，所述将携带第一特征向量的至少两个监控图像输入预先训练完成的融合模型之前，所述方法还包括：

针对接收到的至少两个监控图像中的每个监控图像，将该监控图像输入预先训练完成的目标检测模型，确定该监控图像的第三概率向量和位置向量，其中所述位置向量包括该监控图像中斑马线区域对应的第一位置、每个物体对应的第二位置，所述第三概率向量包括该监控图像中每个像素点为斑马线像素点和任一物体像素点的第三概率值；

针对每个物体，若该物体的第二位置与所述斑马线区域的第一位置部分重叠，则将该物体和所述斑马线区域确定为关注目标；并根据预先保存的关注目标标识，确定该监控图像的关注标识向量，其中所述关注标识向量中该监控图像的所述关注目标的像素点对应有所述关注目标标识；将所述第三概率向量和所述关注标识向量输入预先训练完成的权重确定模型，确定所述关注目标的权重向量，其中所述权重向量包括所述关注目标的每个像素点对应的目标权重系数；针对关注目标对应的每个像素点，根据该像素点对应的目标权重系数与该像素点的第一概率值，对该像素点的第一概率值进行更新。

3.根据权利要求2所述的方法，其特征在于，若该物体的第二位置与所述斑马线区域的第一位置部分重叠，所述将该物体和所述斑马线区域确定为关注目标之前，所述方法还包括：

基于至少两个监控图像，确定该物体的速度，判断所述速度是否大于预设的速度阈值，若是，则进行后续将该物体和所述斑马线区域确定为关注目标的步骤。

4.根据权利要求1所述的方法，其特征在于，训练所述概率模型的过程包括：

获取样本集中任一样本图像，所述样本图像对应有第一样本概率向量，其中所述第一样本概率向量包括所述样本图像中每个像素点为斑马线像素点的第一样本概率值；

通过原始概率模型，确定所述样本图像的第一识别概率向量，其中所述第一识别概率向量包括所述样本图像中每个像素点为斑马线像素点的第一识别概率值；

根据所述第一样本概率向量和所述第一识别概率向量，对原始概率模型进行训练，得到训练完成的概率模型。

5.根据权利要求1所述的方法，其特征在于，训练所述融合模型的过程包括：

获取样本集中至少两个样本图像的第一概率向量，所述至少两个样本图像的第一概率向量对应有样本融合图像的第二样本概率向量，其中所述第二样本概率向量包括所述样本融合图像中每个像素点为斑马线像素点的第二样本概率值；

通过原始融合模型，确定所述至少两个样本图像对应的识别融合图像的第二识别概率向量，其中所述第二识别概率向量包括所述识别融合图像中每个像素点为斑马线像素点的第二识别概率值；

根据所述第二样本概率向量和所述第二识别概率向量，对原始融合模型进行训练，得到训练完成的融合模型。