[发明专利]具有目标明确的预处理的图像分析处理

说明书

用于识别在输入图像(2)中的特征(21)或对象(22)的系统(1)，其包括至少一个构造为KI模块的预处理模块(3)，所述预处理模块构造用于借助参数化的内部的处理链(31)由所述输入图像(2)产生至少一个中间图像(4，4a，4b)，以及所述系统包括至少一个分析处理模块(5，a，5b)，所述分析处理模块构造用于识别(51，51a，51b)在所述中间图像(4)中的所期望的特征(21)或对象(22)。用于训练根据权利要求1至12中任一项所述的系统(1)的方法(100)，其具有以下的步骤：*将多个学习输入图像(9，2)输送(110)给所述系统(1)，*将由所述分析处理模块(5)对所述每个学习输入图像(9，2)所提供的结果(10，51)与用于所述结果(10，51)的学习值(11)比较(120)；将所述结果(10)与所述学习值(11)的偏差(12)反馈(130)到所述预处理模块(3)的输入端(32)中，和/或借助减小(150)所述偏差(12)的目标来调整(140)所述预处理模块(3)的内部的处理链(31)的参数。所属的计算机程序产品。

技术领域

本发明涉及一种用于图像分析处理的系统，该系统尤其可以在驾驶辅助系统和用于自主驾驶的系统中用于识别边沿、对象和其他特征。

背景技术

视觉信息的接收对于在机动化的道路交通上的有效参与是不可缺少的。与之相应地，用于驾驶辅助系统和用于自主驾驶的系统的摄像机系统是重要的信息源。

通常，必要的是，在分析处理之前例如通过校正或颜色匹配来预处理由摄像机提供的图像。然而，这样的预处理随发展趋势总是伴随着在图像中所包含的信息的明显的压缩。因此，与所打算的分析处理不匹配的预处理可能导致恰好丢失对于这种分析处理所需要的信息。这可能使分析处理的结果变差，而不是如所打算地那样改进。

US 5,182,776 A公开，执行一种包括用自学习的人工神经网络进行图像预处理在内的图像分析处理过程，以测量等待电梯的乘客的数量。借助附加信息对所测量的数量进行可信度检验，并且偏差作为学习信息被传回神经网络中，在那里所述偏差也对预处理的参数具有影响。

US 5,553,159 A公开，在拍摄X射线照片时使用人工神经网络，所述人工神经网络也能够最优地调节用于原始图像的自然拍摄和用于接下来的预处理的参数。

发明内容

在本发明的范畴内，开发了一种用于识别在输入图像中的特征或对象的系统。该系统包括构造为KI模块(KI-Modul/AI-module)的至少一个预处理模块，所述至少一个预处理模块构造用于由输入图像借助参数化的内部的处理链产生至少一个中间图像。此外，系统包括至少一个分析处理模块，所述至少一个分析处理模块构造用于识别在中间图像中的所期望的特征或对象。

已看到，功能性的这种划分能够实现对预处理与真正的分析处理无关地进行优化。即，如果例如分析处理模块同样构造为KI模块并且两个KI模块是自学习的，则两个KI模块的学习过程可以相互解耦。因此，例如预处理模块和分析处理模块可以相互独立地交换，而不在未期望的位置上丢失KI的突然的学习进展。

然而，同时有利地，在预处理时已经可以考虑所期望的分析处理的要求，从而在信息在预处理时不可避免的缩减和压缩的情况下恰好可以选择那种对所打算的分析处理也至关重要的信息。即，尤其对于于此有关的学习过程，还存在输入图像的完整的信息量以供使用。目前，正是在驾驶辅助系统和自主驾驶的领域中首先借助固定的预处理来处理输入图像，所述固定的预处理例如包括校正和颜色处理。然后，在真正的分析处理开始并且使用KI之前，还部分地进行在特征中的划分(Segmentierung)和因此进行信息量的进一步缩减。

此外，所提到的尤其用于驾驶辅助系统和用于自主驾驶的模块化的结构是有利的。在这类复杂的系统中，通常可以由同一个输入图像分析处理多个特性。即，在本发明的一种特别有利的构型中，可以设置多个分析处理模块，其中，分析处理模块获得中间图像，分析处理模块分别构造用于特征或对象的识别，所述中间图像和/或所述特征或对象彼此不同。