[发明专利]用于自动驾驶的视觉识别车辆方法、装置、出行装置及介质

权利要求书

1.一种用于自动驾驶的视觉识别车辆方法，其特征在于：包括：

采集车辆前方的视频数据；

提取视频数据中的视频帧；

将视频输入预先设置的视觉识别模型；

使用所述视觉识别模型按照预定的识别方法对视频帧中的图像做识别处理，标记识别结果；

输出识别结果。

2.根据权利要求1所述的用于自动驾驶的视觉识别车辆方法，其特征在于，所述视觉识别模型是按照以下方法训练得到的：

收集测试数据；

采用卷积神经网络的深度学习方法在特征图中生成多个默认框；

输入测试数据进入深度学习神经网络模型；

通过对比默认框匹配系数选择最大匹配程度的默认框，将默认框数据输出结果后和实际结果比对后计算出误差数值；

根据误差数值计算模型梯度，使用梯度更新生成视觉识别模型的权重。

3.根据权利要求2所述的用于自动驾驶的视觉识别车辆方法，其特征在于，所述采用卷积神经网络的深度学习方法在特征图中生成多个默认框，具体包括：

抽取卷积层的特征图；

分别在这些特征图层上面的每一个点构造多个不同尺度大小的默认框；

对输入数据逐一和各个默认框进行检测和分类。

4.根据权利要求2所述的用于自动驾驶的视觉识别车辆方法，其特征在于，所述通过对比默认框匹配系数选择最大匹配程度的默认框包括：

对于图片中每个真实框，找到与其匹配值最大的默认框，该默认框与其匹配。

5.一种用于自动驾驶的视觉识别车辆装置，其特征在于：包括：

视频数据采集单元，用以采集车辆前方的视频数据；

数据提取单元，用以提取视频数据中的视频帧；

数据输入单元，用以将视频输入预先设置的视觉识别模型；

视觉识别单元，用以使用所述视觉识别模型按照预定的识别方法对视频帧中的图像做识别处理，标记识别结果；

数据输出单元，用以输出识别结果。

6.根据权利要求5所述的用于自动驾驶的视觉识别车辆装置，其特征在于，还包括模型训练单元，所述模型训练单元包括：

测试数据收集模块，用以收集测试数据；

数据生成模块，用以采用卷积神经网络的深度学习方法在特征图中生成多个默认框；

测试数据输入模块，输入测试数据进入深度学习神经网络模型；

误差计算模块，用以通过对比默认框匹配系数选择最大匹配程度的默认框，将默认框数据输出结果后和实际结果比对后计算出误差数值；

权重更新模块，用以根据误差数值计算模型梯度，使用梯度更新生成视觉识别模型的权重。

7.根据权利要求6所述的用于自动驾驶的视觉识别车辆装置，其特征在于，所述数据生成模块包括:

特征图提取模块，用以抽取卷积层的特征图；

默认框生成模块，用以分别在这些特征图层上面的每一个点构造多个不同尺度大小的默认框；

默认框处理模块，用以对输入数据逐一和各个默认框进行检测和分类。

8.一种出行装置，其特征在于，所述装置包括权利要求1-4任意一项所述的用于自动驾驶的视觉识别车辆装置。

9.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任意一项所述的视觉识别车辆方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任意一项所述的用于自动驾驶的视觉识别车辆方法。