[发明专利]车灯状态识别方法、装置、设备及存储介质

说明书

本申请涉及一种车灯状态识别方法、装置、设备及存储介质，所述方法包括：获取车辆视频图像；将所述车辆视频图像输入预先训练好的车辆检测模型，进行车辆目标检测，得到对应车辆的车灯状态识别区域；将所述车灯状态识别区域输入预先训练好的车灯识别模型，识别对应车辆的车灯状态。本申请的车灯识别方法针对隧道场景图像光照问题，采用两级深度学习模型，实现对车灯状态的识别，提高了车灯状态识别的精度和准确度，可以督促隧道场景下驾驶员按规范开启车灯，保障出行安全。解决了隧道场景下车灯状态识别准确率低的问题。

技术领域

本申请涉及车灯状态识别方法、装置、设备及存储介质，属于图像处理技术领域。

背景技术

隧道交通作为交通枢纽的主要组成部分，其安全性日益重要。隧道环境较为密闭，其光照主要靠在隧道内安装照明系统，同时，驶入隧道的车辆的车灯会影响隧道内部的光照环境。

目前，道路交通部门为缓解驾驶人员由于光照突变而产生的不适应性，会根据隧道外亮度来分阶段调节隧道内照明亮度。

隧道内车灯的使用状态是关系隧道行车安全的重要影响因素。一般情况下，车辆进入隧道行驶，以开启近光灯为主。日间行车灯、远光灯不适用隧道场景。车辆在进入隧道行驶过程中，驾驶员如果受到对面远光刺激，易产生炫目、突盲等不良反应，严重危害驾驶安全。

发明内容

本申请提供了一种车灯状态识别方法、装置、设备及存储介质，以解决隧道光照环境复杂，车灯状态识别困难，影响隧道场景的驾驶安全问题。

为解决上述技术问题，本申请提供如下技术方案：

本申请实施例的第一方面，提供了一种车灯状态识别方法，所述方法包括：

获取车辆视频图像；

将所述车辆视频图像输入预先训练好的车辆检测模型，进行车辆目标检测，得到对应车辆的车灯状态识别区域；

将所述车灯状态识别区域输入预先训练好的车灯识别模型，识别对应车辆的车灯状态。

本申请的车灯识别方法针对隧道场景图像光照问题，通过训练车辆检测模型，并根据训练好的车辆检测模型，用于定位车辆位置，截取车灯状态识别区域。通过训练车灯识别模型，将车灯状态识别区域作为训练好的车灯识别模型的输入，识别车灯状态。本申请通过采用上述两级网络实现对车灯状态的识别，提高了隧道场景下，车灯状态识别的精度和准确度，可以督促隧道场景下驾驶员按规范开启车灯，保障出行安全。

在本申请第一方面的第一种可能的实施方式中，所述车辆检测模型为YOLOv3-SPP网络；

所述YOLOv3-SPP网络为在YOLOv3网络大目标检测分支的第一卷积层和第二卷积层之间添加SPP空间金字塔结构得到。

本实施例的方案通过SPP金字塔结构对多尺度局部区域特征进行池化合并，使输出特征图聚合了局部特征，然后将全局和局部多尺度特征结合起来，以提高目标检测的精度。

在本申请第一方面的第二种可能的实施方式中，在所述YOLOv3-SPP目标检测网络的小目标检测分支中融合浅层特征。

因为浅层特征中饱含图像的颜色特征、纹理特征等，本实施例的方案在目标检测网络的小目标检测分支融合图像的浅层特征，有利于建立隧道光照模型，使得网络对隧道场景的光照条件具有自适应性。而且，浅层特征中，对于同样大小的目标框，大分辨率的图像有利于提取小目标特征图，从而实现对远处小目标的定位，提高了对远处小目标检测的准确率。

在本申请第一方面的第三种可能的实施方式中，所述根据所述车辆视频图像，采用预先训练好的车辆检测模型，进行车辆目标检测，确定对应车辆的车灯状态识别区域，包括：

将所述车辆视频图像输入预先训练好的车辆检测模型，得到高度为H的指示车辆位置信息的目标框；