[发明专利]一种基于卷积神经网络的道路减速带检测方法及装置

说明书

技术领域

本发明涉及检测技术领域，特别是涉及一种基于卷积神经网络的道路减速带检测方法及装置。

背景技术

汽车行驶过程中，可以对道路减速带进行检测，以便司机行车过程中的平稳通行。减速带的检测已经成为智能汽车的环境感知的重要部分。

在国内外的研究中，对减速带检测的研究特别少，并且已有的方案存在较为明显的缺陷。现有技术中，基于雷达和激光对道路的表面进行评估，确定道路的起伏情况，当路面高度差的变化模式满足标准曲线时，确定车辆行进前方存在减速带。然而，由于该方案中的标准曲线是基于当地的减速带样式而提出的，因此该方案只对当地特定的减速带的识别率较高。并且，随着道路安全和交通管制的要求，减速带不断增多，样式也越来越多，该方案对不同环境中的减速带进行检测时，正确识别率较低，无法满足需求。需要说明的是，本申请文件将针对道路减速带的正确识别率简称为检测率。

此外，该方案对同类物体的误检率也较高，并且只在白天正常状况下进行减速带的检测，并未考虑夜间以及天气变化下的减速带的检测。

综上所述，如何有效地提高针对道路减速带的检测率，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种基于卷积神经网络的道路减速带检测方法及装置，以提高对道路减速带的检测率。

为解决上述技术问题，本发明提供如下技术方案，该方法包括：

获得目标路面信息；

根据预先构造并进行训练获得的目标卷积神经网络，检测所述目标路面信息并得到目标检测结果；

根据所述目标检测结果，确定所述目标路面信息中是否包含道路减速带。

优选的，通过以下步骤获得所述目标卷积神经网络：

构造针对输入信息，输出道路减速带的标签信息的初始卷积神经网络；

确定所述初始卷积神经网络的训练参数；

根据所述训练参数，将训练样本集中的训练样本作为输入对所述初始卷积神经网络进行训练；

在训练过程中更新所述初始卷积神经网络的权值，得到所述目标卷积神经网络；

相应的，所述检测所述目标路面信息并得到目标检测结果，包括：

检测所述目标路面信息并得到包含道路减速带的标签信息的目标检测结果。

优选的，所述初始卷积神经网络各层依次为：输入层、第一卷积层、第一修正线性层、第一池化层、第二卷积层、第二修正线性层、第二池化层、第三卷积层、第三修正线性层、第四卷积层、第四修正线性层、第一全连接层、第五修正线性层、第二全连接层、softmax层以及分类层。

优选的，所述训练参数包括：批样本数量、回合数以及学习率。

优选的，其特征在于，通过以下步骤得到所述训练样本集：

采集路面信息获得初始样本集；

将所述初始样本集进行扩充得到扩充样本集；

将所述扩充样本集进行尺度归一化处理得到所述训练样本集。

优选的，所述将所述初始样本集进行扩充得到扩充样本集，包括：

将所述初始样本集中的一张或者多张样本进行水平翻转，得到扩充样本集。

优选的，所述将所述初始样本集进行扩充得到扩充样本集，包括：

将所述初始样本集中的一张或者多张样本进行色彩调整，得到扩充样本集。

优选的，所述将所述初始样本集进行扩充得到扩充样本集，包括：

将所述初始样本集中的一张或者多张样本进行噪声添加，得到扩充样本集。

优选的，在确定所述目标路面信息中包含道路减速带时，还包括：

输出提示信息。

一种基于卷积神经网络的道路减速带检测装置，该装置包括：

目标路面信息获得模块，用于获得目标路面信息；

目标检测结果获得模块，用于根据预先构造并进行训练获得的目标卷积神经网络，检测所述目标路面信息并得到目标检测结果；

道路减速带确定模块，用于根据所述目标检测结果，确定所述目标路面信息中是否包含道路减速带。

应用本发明实施例所提供的技术方案，获得目标路面信息，根据预先构造并进行训练获得的目标卷积神经网络，检测目标路面信息并得到目标检测结果，之后根据目标检测结果，确定目标路面信息中是否包含道路减速带。