[发明专利]一种移动物体的状态检测方法及检测装置

说明书

本发明公开了一种移动物体的状态检测方法，包括：获取单目相机拍摄得到的图像帧序列，其中，该图像序列的图像帧中包括待检测移动物体；对该图像帧序列进行目标检测，得到用于表征该待检测移动物体的图像块样本；将该图像块样本输入特征提取模块，输出该待检测移动物体的光流信息和跟踪信息；以及将该光流信息和跟踪信息输入神经网络模型，输出该待检测移动物体的状态信息。

技术领域

本发明涉及交通安全技术领域，尤其涉及一种移动物体的状态检测方法及检测装置领域。

背景技术

在过去的几年中，智能驾驶系统得到了快速发展，感知自动驾驶汽车周围的动态环境是实现自动驾驶的关键任务，车辆相对速度估计是现代智能驾驶系统所需的基本功能。传统上，车辆周围的动态环境信息是通过距离传感器(例如LiDAR或毫米波雷达)感知的。

目前，应用距离传感器(例如LiDAR或毫米波雷达)是智能驾驶应用中最具代表性的解决方案之一。这些传感器可以直接测量其他车辆的距离和速度，但是它们容易受到不利环境因素的影响，例如雨，雪或雾。

最近研究表明，在自动驾驶场景下通过运动的结构来估计自我运动以及单目相机图像的视差图确实是可能的，但仍然是有限的。基于动态场景流的方法取得很好的效果，但是这种方法依赖于立体图像数据集。此外，它们以非常高的计算成本为代价，因此在单个CPU内核上对时间帧对的估计可能需要5～10分钟。在自动驾驶场景中，计算资源通常非常有限，这使得对象场景流目前在实践中不可行。

另外，在动态应用场景中，由于静态背景与运动车辆之间的运动分配不平衡，因此预测整个图像中的光流并不是理想的选择。当行驶中的车辆的实际流量仅为像素的一小部分时，来自完整图像流网络的预测流量最终为零。此外，由于透视投影，高速行驶中的车辆可能具有较小的光流；另一方面，低速的近距离车辆可能会在图像上产生较大的流量。这种情况扩大了全图像流网络的缺点。

发明内容

(一)要解决的技术问题

本发明公开了一种移动物体的状态检测方法及检测装置，以至少部分的解决上述技术问题。

(二)技术方案

为达到上述目的，本发明一实施例提供了一种移动物体的状态检测方法，包括：获取单目相机拍摄得到的图像帧序列，其中，该图像序列的图像帧中包括待检测移动物体；对该图像帧序列进行目标检测，得到用于表征该待检测移动物体的图像块样本；将该图像块样本输入特征提取模块，输出该待检测移动物体的光流信息和跟踪信息；以及将该光流信息和跟踪信息输入神经网络模型，输出该待检测移动物体的状态信息。

根据本发明的实施例，对该图像帧序列进行目标检测，得到用于表征该待检测移动物体的图像块样本包括：将该图像帧序列中的图像帧输入目标检测器，输出用于表征该待检测移动物体的边界框(bounding box)B_i＝(l_i，t_i，r_i，b_i)，其中，l_i为该边界框的左边界坐标，t_i为该边界框的上边界坐标，r_i为该边界框的右边界坐标，b_i为该边界框的下边界坐标；

根据预设裁剪规则对该边界框进行裁剪，得到与该边界框对应的图像块；

根据该图像块构建该图像块样本。

根据本发明的实施例，根据预设裁剪规则对该边界框进行裁剪，得到与该边界框对应的图像块包括：

对于边界框B_i＝(l_i，t_i，r_i，b_i)，裁剪区域定义为：

其中，σ为扩展因子。