[发明专利]应急车道的识别方法、系统及装置

说明书

本发明公开了一种应急车道的识别方法、系统及装置，其中，所述方法包括：获取目标图像的道路分割结果，并提取所述道路分割结果的第一特征；所述道路分割结果用于展示包含应急车道的道路；提取所述目标图像的第二特征，并叠加所述第一特征和所述第二特征，以基于叠加后的特征识别所述目标图像中的车道数量；根据识别出的所述车道数量，确定所述目标图像的道路中应急车道所占的区域。本发明提供的技术方案，能够提高应急车道的识别精度。

技术领域

本发明涉及图像识别技术领域，具体涉及一种应急车道的识别方法、系统及装置。

背景技术

应急车道通常是在发生紧急事件时，供交通部门或者事故车辆临时使用。但实际应用中，应急车道会被部分车辆无故占用，导致紧急事件的救援和处理过程无法正常执行。鉴于此，交通部门需要对占用应急车道的违章车辆进行识别，而识别违章车辆的前提是要能从监控画面中准确地识别出应急车道的区域。

目前，无人机由于其较强的机动性，正越来越多地被应用于违章车辆的识别过程中。而无人机的监控相机角度与普通的监控相机角度存在较大的差异，因此现有的算法都无法准确地对无人机采集的监控图像进行应急车道识别。

发明内容

有鉴于此，本发明实施方式提供了一种应急车道的识别方法、系统及装置，能够提高应急车道的识别精度。

本发明一方面提供了一种应急车道的识别方法，所述方法包括：获取目标图像的道路分割结果，并提取所述道路分割结果的第一特征；所述道路分割结果用于展示包含应急车道的道路；提取所述目标图像的第二特征，并叠加所述第一特征和所述第二特征，以基于叠加后的特征识别所述目标图像中的车道数量；根据识别出的所述车道数量，确定所述目标图像的道路中应急车道所占的区域。

在一个实施方式中，获取目标图像的道路分割结果包括：利用初始模型提取所述目标图像的多尺度分割特征，并利用层级模型对所述多尺度分割特征进行融合，以生成多个分割融合特征；其中，在所述层级模型的顶层和底层引入指定尺度分割特征进行特征融合；将每个所述分割融合特征均变换为统一尺度的变换特征后，将各个所述变换特征进行叠加，并基于叠加后的变换特征生成所述目标图像的道路分割结果。

通过初始模型和层级模型进行特征提取，能够增强模型中浅层网络的语义特征和深层网络的空间特征。

在一个实施方式中，所述层级模型中至少包括并行排列的第一通路和第二通路，所述第一通路用于对所述多尺度分割特征进行逐层上采样，所述第二通路用于对所述第一通路各层的输出特征进行逐层下采样；并且，所述第一通路的顶层引入第一指定尺度分割特征进行特征融合，所述第二通路的底层引入第二指定尺度分割特征进行特征融合，所述第一指定尺度分割特征的维度小于所述第二指定尺度分割特征的维度。

在一个实施方式中，所述第二通路逐层输出的分割融合特征被变换为统一尺度的变换特征。

通常的层级结构中往往只包含第一通路，在本申请中增设了第二通路，这样，通过第二通路对第一通路的输出特征再次进行融合，能够减少高层信息的丢失，从而让神经网络学习特征的能力更优秀。

在一个实施方式中，利用第一子网络提取所述道路分割结果的第一特征，并利用第二子网络提取所述目标图像的第二特征，以及通过分类层对所述叠加后的特征进行预测，以得到所述目标图像中的车道数量；其中，所述叠加后的特征中突出前景特征，并淡化背景特征。

叠加后的特征中，会更加突出前景的特征，而淡化背景的特征，从而指导后续的网络侧重于对前景的特征进行识别。这样一方面减少了数据处理的复杂度，另一方面也能够提高车道数量的检测精度。

在一个实施方式中，确定所述目标图像的道路中应急车道所占的区域包括：获取应急车道的第一标准宽度和非应急车道的第二标准宽度，并根据所述第一标准宽度和所述第二标准宽度，计算与所述车道数量相匹配的应急车道区域占比；将所述应急车道区域占比在所述目标图像的道路中所限定的区域，作为确定出的应用车道所占的区域。