[发明专利]对车辆周围的弱势交通参与者进行分类的方法和装置

说明书

本发明公开了一种对车辆周围的弱势交通参与者进行分类的方法和装置。所述方法包括获取车辆周围的环境图像；从环境图像中分割出至少一个子图像，其中，所述至少一个子图像中的每个子图像包括单个弱势交通参与者，其中，弱势交通参与者表示暴露于车辆周围环境中的人；通过预先训练的神经网络对所述至少一个子图像中的所有弱势交通参与者进行分类，根据分类结果确定所有弱势交通参与者的职业类型。通过根据本发明的对车辆周围的弱势交通参与者进行分类的方法和装置，能够通过车辆周围的环境图像，来确定车辆周围的弱势交通参与者的职业类型，从而能够为驾驶员驾驶、自动驾驶、智能驾驶和/或辅助驾驶等提供更精确的关于弱势交通参与者的信息。

技术领域

本发明涉及图像处理领域，特别地，涉及一种对车辆周围的弱势交通参与者进行分类的方法和装置。

背景技术

随着车辆越来越多以及自动驾驶、智能驾驶、辅助驾驶等功能的普及，在车辆的行驶过程中，车辆周围的环境信息对于车辆的驾驶过程至关重要。在环境信息中，关于车辆周围环境中的人的信息是影响驾驶员驾驶、自动驾驶、智能驾驶、辅助驾驶等的重要信息。

通常，通过如下方式获取车辆周围环境中的人的信息：在车辆的行驶过程中，获取车辆周围环境的图像，然后通过对该图像中的人进行分类，来确定该图像中的人是否属于特定类型的人、例如是否属于相对于位于车辆内部的人来说更容易被道路上的交通工具误伤的人。

然而，以上获取车辆周围环境中的人的信息、即对图像中的人进行分类的方式，仅将图像中的人划分为特定类型的人和非特定类型的人两种类型。在这样的分类方式下，驾驶员需要进一步判断，才能确定如何进一步控制车辆；并且在自动驾驶、智能驾驶等情况下，这样的分类方式可能会导致车辆由于无法获知关于该属于特定类型的人的准确信息，而无法准确地确定进一步控制车辆的方式进而导致交通拥堵甚至交通事故等。

因此，现有的对车辆周围环境中的人进行分类的方式不能满足驾驶需求。

发明内容

本发明的目的在于提供一种对车辆周围的弱势交通参与者进行分类的方法和装置。

根据本发明的一方面，提供了一种对车辆周围的弱势交通参与者进行分类的方法，所述方法包括：获取车辆周围的环境图像；从环境图像中分割出至少一个子图像，其中，所述至少一个子图像中的每个子图像包括单个弱势交通参与者，其中，弱势交通参与者表示暴露于车辆周围环境中的人；通过预先训练的神经网络对所述至少一个子图像中的所有弱势交通参与者进行分类；根据分类结果确定所有弱势交通参与者的职业类型。

可选地，通过预先训练的神经网络对所述至少一个子图像中的所有弱势交通参与者进行分类的步骤包括：针对作为所述神经网络的输入数据的所述至少一个子图像中的每个子图像：通过所述神经网络的像素信息提取层，获取所述子图像的像素信息；通过所述神经网络的特征提取层，根据获取的像素信息提取所述子图像的特征；通过所述神经网络的分类层，根据提取的特征确定作为分类结果的输出数据，其中，所述神经网络的输出数据表示所述子图像中的弱势交通参与者被分类为所述神经网络进行分类的所有职业类型中的每个职业类型的概率，其中，根据分类结果确定所有弱势交通参与者的职业类型的步骤包括：将输出数据中具有最高概率的职业类型确定为所述弱势交通参与者的职业类型。

可选地，获取所述子图像的像素信息的步骤包括：根据特征提取层的分辨率，对所述子图像的分辨率进行调整，以获得调整子图像；获取所述调整子图像的每个颜色通道的像素值向量；对获取的所有像素值向量中的每个元素进行归一化，以获得作为像素信息的与所有像素值向量分别对应的归一化向量，其中，所述神经网络的特征提取层根据获得的归一化向量通过卷积函数，提取以特征向量表示的所述子图像的特征，其中，所述神经网络的分类层根据提取的特征向量和分类层的权重向量，来确定输出数据。