[发明专利]用于图像的自动故障阈值检测的设备和方法

说明书

在至少一个实施方案中，提供一种体现在非暂时性计算机可读介质中的计算机程序产品，所述计算机程序产品被编程以检测一个或多个摄影机的性能阈值。所述计算机程序产品包括用于以下操作的指令：从一个或多个摄影机捕获多个图像以将每个捕获图像内的对象与预定对象进行比较以确定所述对象是否已经被正确识别；以及从每个捕获图像中提取所述对象。所述计算机程序产品包括用于以下操作的指令：将至少一个梯度应用于每个提取的对象以生成多个梯度图像。所述计算机程序产品包括用于以下操作的指令：将所述提取的对象与所述预定对象进行比较；以及确定由所述至少一个梯度修改的所述提取的对象是否已经被正确识别。所述计算机程序产品包括用于以下操作的指令：建立所述一个或多个摄影机的性能阈值。

技术领域

本文所公开的方面总体上涉及一种用于提供图像的自动故障阈值检测的设备和方法。本文将更详细地论述这些方面和其他方面。

背景技术

车辆通常有必要识别车辆外部的图像以用于由车辆执行的多个功能。可训练深度学习/神经网络技术以识别由车辆上的摄像头捕获的图像。然而，可能难以确定在此类深度学习/神经网络技术或其他技术发生故障的情况下的阈值点。例如，可通过递增地增加剪切力来测试锤子以确定其抗张强度，以找出锤子发生故障的位置。然而，市场上没有等效的方法来检测使用深度学习技术以检测对象的摄影机系统的性能阈值。

如今，测试工程师可使用来自道路测试的摄影机镜头来检测对象。在具体情形中需要大量视频来寻找边缘情况。在许多情况下，需要在数百万英里内进行道路测试以捕获尽可能多的场景。在一些情况下，可在数十亿或数万亿英里内进行道路测试以捕获每种可能的路况。通常，深度学习技术需要数千个边缘情况情形(或训练数据)以了解什么是正确的结果(即，了解什么是正确的图像)。

发明内容

在至少一个实施方案中，提供一种体现在非暂时性计算机可读介质中的计算机程序产品，所述计算机程序产品被编程以检测一个或多个摄影机的性能阈值。所述计算机程序产品包括用于以下操作的指令：从一个或多个摄影机捕获多个图像以将每个捕获图像内的对象与预定对象进行比较，以确定所述对象是否已经被正确识别；以及从每个捕获图像中提取确定为被正确识别的所述对象。所述计算机程序产品包括用于以下操作的指令：将至少一个梯度应用于每个提取的对象以生成多个梯度图像。每个梯度图像包括由所述至少一个梯度修改的所述提取的对象。所述计算机程序产品包括用于以下操作的指令：将由所述至少一个梯度修改的所述提取的对象与所述预定对象进行比较；以及基于由所述至少一个梯度修改的所述提取的对象与所述预定对象的所述比较来确定由所述至少一个梯度修改的所述提取的对象是否已经被正确识别。所述计算机程序产品包括用于以下操作的指令：在确定由所述至少一个梯度修改的所述提取的对象是否已经被正确识别之后建立所述一个或多个摄影机的性能阈值。

在至少另一实施方案中，提供一种用于检测一个或多个摄影机的性能阈值的设备。所述设备包括存储器装置和图像检测器。所述图像检测器包括所述存储器装置，并且被配置来：从一个或多个摄影机捕获多个图像；以及将每个捕获图像内的对象与存储在所述存储器装置上的预定对象进行比较以确定所述对象是否已经被正确识别。所述图像检测器进一步被配置来：从确定为被正确识别的每个捕获图像中提取对象；以及将至少一个梯度应用于每个提取的对象以生成多个梯度图像，其中每个梯度图像包括由所述至少一个梯度修改的所述提取的对象。所述图像检测器进一步被配置来：将由所述至少一个梯度修改的所述提取的对象与所述预定对象进行比较；以及基于由所述至少一个梯度修改的所述提取的对象与所述预定对象的所述比较来确定由所述至少一个梯度修改的所述提取的对象是否已经被正确识别。所述图像检测器进一步被配置来在确定由所述至少一个梯度修改的所述提取的对象是否已经被正确识别之后建立所述一个或多个摄影机的性能阈值。