[发明专利]目标对象检测方法和装置、电子设备和介质

说明书

本公开实施例公开了一种目标对象检测方法和装置、电子设备和介质，其中，方法包括：实时采集车辆行驶环境图像；对所述原始图像进行预处理，用作第一卷积神经网络CNN的输入图像；第一CNN对所述车辆行驶环境图像进行语义分割，获得车道线候选区域；第二CNN对所述车道线候选区域进行车道线检测，获得完整的车道线检测结果；对所述完整的车道线检测结果进行后期处理并叠加到所述车辆行驶环境图像中显示，获得完整的车道线。本发明实施例实现了基于两级轻量级CNN对车道线的精准预测，可用于车辆预警系统或者无人驾驶系统中。

技术领域

本公开涉及人工智能技术，尤其是一种目标对象检测方法和装置、电子设备和介质。

背景技术

车道线是指道路上用来分隔不同车道之间的实线或虚线，车道线按照制作方法可分为热熔划线、冷漆划线、热熔振荡划线，等等。车道线检测是自动驾驶和辅助驾驶中的一个重要环节和必要过程，通过车道线检测，可以检测车辆行驶道路上的车道线，从而判断车辆的当前位置，为下一步的预警提供关键信息。例如，车道线偏离报警及车道线保持可以及时纠正驾驶员的不慎操作，减少因错误操作和疲劳驾驶而造成的交通事故，从而有效保障驾驶的安全性。

在实现本发明的过程中，本发明人通过研究发现，车辆行驶在复杂的道路场景中，车道线检测对可靠性和实时性的要求都很高，而现有技术在车道线检测的可靠性和实时性方面均存在不足，无法满足复杂道路场景的检测需求。

发明内容

有鉴于此，本公开实施例提供一种目标对象检测方法和装置、电子设备和存储介质。

本公开实施例提供的一种目标对象检测方法，包括：

将车辆行驶环境图像输入第一卷积神经网络CNN，利用所述第一CNN获取所述车辆行驶环境图像中目标对象的候选区域；

将所述目标对象的候选区域图像输入第二CNN，经所述第二CNN输出目标对象检测结果。

可选地，在本发明上述各方法实施例中，所述目标对象包括以下任意一项或多项：车道线，交通标识，交通灯。

可选地，在本发明上述各方法实施例中，所述利用所述第一CNN获取所述车辆行驶环境图像中目标对象的候选区域，包括：

利用所述第一CNN对所述车辆行驶环境图像进行语义分割；

基于语义分割的结果确定所述目标对象的候选区域。

可选地，在本发明上述各方法实施例中，所述利用所述第一CNN获取所述车辆行驶环境图像中目标对象的候选区域，还包括：

利用区域候选网络RPN遍历所述车辆行驶环境图像中感兴趣的位置和预设物体尺度，分别对遍历到的每个候选框进行二分类，判断每个候选框属于目标对象的候选框的概率；所述第一CNN包括所述RPN；

对遍历到的所有候选框进行非极大值抑制，获得置信度最高的L个候选框；

基于所述L个候选框确定所述目标对象的候选区域。

可选地，在本发明上述各方法实施例中，所述将车辆行驶环境图像输入第一CNN之前，还包括：

对所述车辆行驶环境图像进行预处理；

所述将车辆行驶环境图像输入第一CNN，利用所述第一CNN获取所述车辆行驶环境图像中目标对象的候选区域，包括：将预处理得到的所述车辆行驶环境图像输入第一CNN，利用所述第一CNN获取所述车辆行驶环境图像中目标对象的候选区域。

可选地，在本发明上述各方法实施例中，所述将所述目标对象的候选区域图像输入第二CNN，经所述第二CNN输出目标对象检测结果，包括：