[发明专利]一种车速确定方法、装置、设备和介质

权利要求书

1.一种车速确定方法，其特征在于，所述方法包括：

基于预先训练完成的深度学习模型，识别当前帧图像中的车辆的第一检测区域以及与所述当前帧图像相邻的下一帧图像中所述车辆的第二候选检测区域；

根据当前帧图像中的所述第一检测区域，预测所述车辆在所述下一帧图像的第一预测区域；根据所述第一预测区域与所述第二候选检测区域之间的相似度，确定与所述第一预测区域匹配的目标第二检测区域；

根据所述第一检测区域、所述目标第二检测区域以及相邻两帧图像的时间差值，确定所述车辆的车速。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一检测区域、所述目标第二检测区域以及相邻两帧图像的时间差值，确定所述车辆的车速包括：

根据所述第一检测区域中车辆预设位置的第一坐标和所述目标第二检测区域中所述车辆预设位置的第二坐标，确定所述第一检测区域与所述目标第二检测区域的像素距离，其中所述第一检测区域与所述目标第二检测区域的区域范围相同；

根据所述第一检测区域的像素宽度和预设宽度的比值和所述像素距离，确定所述车辆移动的实际距离；

根据所述实际距离和相邻两帧图像的时间差值，确定所述车辆的车速。

3.根据权利要求1所述的方法，其特征在于，所述根据当前帧图像中的所述第一检测区域，预测所述车辆在所述下一帧图像的第一预测区域包括：

基于常量速度模型和线性观测模型的标准卡尔曼滤波器，对所述第一检测区域对应的车辆进行预测，确定所述第一检测区域在所述下一帧图像的第一预测区域。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一预测区域与所述第二候选检测区域之间的相似度，确定与所述第一预测区域匹配的目标第二检测区域包括：

根据所述第一预测区域中的每个第一像素点与所述第二候选检测区域中对应的每个第二像素点，确定所述第一预测区域与所述第二候选检测区域的马氏距离和值与余弦距离和值；

根据所述马氏距离和值、所述余弦距离和值以及分别对应的预设权重，确定所述第一预测区域与所述第二候选检测区域的距离权重和值；

若所述距离权重和值小于所述预设阈值，则确定第二候选检测区域为目标第二检测区域。

5.根据权利要求1所述的方法，其特征在于，所述深度学习模型的训练过程包括：

针对样本集中的任一样本图像，获取所述样本图像及所述样本图像对应的第一标签信息，其中所述第一标签信息标识所述样本图像中包含车辆的设定范围区域；

将所述样本图像输入到原始深度学习模型中，获取输出的所述样本图像的第二标签信息；

根据所述第一标签信息和所述第二标签信息，对所述原始深度学习模型的各参数的参数值进行调整，得到训练完成的所述深度学习模型。

6.一种车速确定装置，其特征在于，所述装置包括：

识别模块，用于基于预先训练完成的深度学习模型，识别当前帧图像中的车辆的第一检测区域以及与所述当前帧图像相邻的下一帧图像中所述车辆的第二候选检测区域；

匹配模块，用于根据当前帧图像中的所述第一检测区域，预测所述车辆在所述下一帧图像的第一预测区域；根据所述第一预测区域与所述第二候选检测区域之间的相似度，确定与所述第一预测区域匹配的目标第二检测区域；

确定模块，用于根据所述第一检测区域、所述目标第二检测区域以及相邻两帧图像的时间差值，确定所述车辆的车速。

7.根据权利要求6所述的装置，其特征在于，所述确定模块，具体用于根据所述第一检测区域中车辆预设位置的第一坐标和所述目标第二检测区域中所述车辆预设位置的第二坐标，确定所述第一检测区域与所述目标第二检测区域的像素距离，其中所述第一检测区域与所述目标第二检测区域的区域范围相同；根据所述第一检测区域的像素宽度和预设宽度的比值和所述像素距离，确定所述车辆移动的实际距离；根据所述实际距离和相邻两帧图像的时间差值，确定所述车辆的车速。