[发明专利]一种基于计算机视觉的夜间车道线识别方法及系统

说明书

本发明涉及一种基于计算机视觉的夜间车道线识别方法及系统，该方法包括步骤：接收并存储在夜间采集到的原始的车道图像；对采集的车道图像进行效果增强处理，以提高图像清晰度；对效果增强后的图像进行数据标注，得到标签图像；使用原始的车道图像和数据标注后的标签图像进行卷积神经网络模型训练，得到用于识别夜间车道线的夜间车道线识别模型。通过本发明方法及系统，可以实现夜间车道线的识别，消除白天采集的数据容易存在遮挡的问题，且可以更为准确地识别出车道线，提高识别准确度。

技术领域

本发明涉及图像识别技术领域，特别涉及一种基于计算机视觉的夜间车道线识别方法及系统。

背景技术

近年来，随着深度学习的逐渐发展，卷积神经网络在计算机视觉领域得到了广泛的应用，包括目标检测、图象语义分割等方面。例如基于卷积神经网络进行车道线识别。卷积神经网络模型的训练需要大量的样本数据，为了得到可靠、充分的训练数据，目前的车道线训练数据均使用白天采集的图片数据。但是白天采集的数据，由于交通拥堵等原因，往往造成车道线遮挡严重，出现车道线视角局限，导致识别不佳的情况。

发明内容

本发明的目的在于改善现有技术中所存在的，使用白天采集的数据存在因车道线遮挡而造成车道线识别不准确的不足，提供一种基于机器视觉的夜间车道线识别方法及系统。

为了实现上述发明目的，一方面，本发明实施例提供了一种基于机器视觉的夜间车道线识别方法，包括以下步骤：

接收并存储在夜间采集到的原始的车道图像；

对采集的车道图像进行效果增强处理，以提高图像清晰度；

对效果增强后的图像进行数据标注，得到标签图像；

使用原始的车道图像和数据标注后的标签图像进行卷积神经网络模型训练，得到用于识别夜间车道线的夜间车道线识别模型。

在更为具体的方案中，所述对采集的车道图像进行效果增强处理的步骤，包括：

对原始的车道图像进行白平衡处理；

对白平衡处理后的图像进行锐化处理；

对锐化处理后的图像进行伽马校正。

在更为具体的方案中，所述使用原始的车道图像和数据标注后的标签图像进行卷积神经网络模型训练的步骤，包括：

步骤1)，随机抽取一张原始的车道图像，并进行数据增强；

步骤2)，将步骤1)处理后的图片作为卷积神经网路的输入，进行前向传播，得到预测结果；

步骤3)，将得到的预测结果与标签图像中标注的类别标签进行损失计算，并根据损失进行反向传播并优化模型参数；

循环执行上述步骤1至步骤3)，直至完成迭代，且每一次迭代过程，步骤1)中更换一张原始的车道图像，步骤3)中更换相应的标签图像。

在进一步优化的方案中，在得到用于识别夜间车道线的夜间车道线识别模型之后，上述方法还包括步骤：

接收待识别的车道图像，经所述夜间车道线识别模型识别后，输出图像中每个像素分别为各种类别的概率值，当表示车道线的类别的概率值最大时，则将该像素识别为车道线。

另一方面，本发明实施例中还提供了一种基于计算机视觉的夜间车道线识别系统，包括以下模块：

数据输入模块，用于接收并存储在夜间采集到的原始的车道图像；

效果增强模块，用于对采集的车道图像进行效果增强处理，以提高图像清晰度；

数据标注模块，用于对效果增强后的图像进行数据标注，得到标签图像；