[发明专利]一种快速道路的目标检测方法、装置及存储介质

说明书

本发明公开了一种快速道路的目标检测方法、装置及存储介质，其方法包括：通过车载ADAS前向摄像头采集道路的原始图像；基于原始图像获取多个层级的ROI区域；根据多个层级的ROI区域对原始图像进行处理得到多个输入图像；将多个输入图像分别输入目标检测模型中获取多个目标检测结果；根据NMS算法将多个目标检测结果进行合并得到最终的目标检测结果；本发明将原始图像拆分为多个ROI区域图像然后送入目标检测模型中进行目标检测，能有效降低整体计算量，提升检测速度。

技术领域

本发明涉及一种快速道路的目标检测方法、装置及存储介质，属于驾驶辅助技术领域。

背景技术

随着汽车电动化智能化进程的不断深入，国民的期望值提升，软件改变了汽车属性，自动驾驶的不断进化逐步解放了驾驶员的注意力，直至完全摆脱人工干预，而自动驾驶的实现主要依靠各种传感器对车辆周围环境进行感知，通过目标检测，识别与跟踪等处理技术来评估危险性。其中目标检测技术是自动驾驶技术的基础，通过摄像头实时获取前方道路的图像数据，对图像上各种目标进行类别及位置的初步判定，为后续车辆进行更精准的识别及控制提供信息。目标检测往往是自动驾驶各个模块中耗时最长的模块，如何能够在有限资源下快速准确的完成各类目标的检测，俨然成为保障时效性的重中之重。

在道路目标的检测任务中，通常需要将整幅图像(1080P或者2K)直接送入神经网络中进行前传，而且目标检测需要使用计算量较大的神经网络保障性能，所以处理一帧图像的耗时较长。由于车载设备的特殊性及ADAS功能的时效性需求，需要更合理的分配本就较为稀缺的计算资源，所以我们再保证检测性能同时尽可能的压缩其计算量减少耗时。一般进行检测模型的计算量压缩操作有两种，(1)缩小输出数据，抠取原始图像中的部分区域或者直接缩放图像尺寸进行检测，(2)压缩神经网络结构，用较小计算量的模型来拟合大模型的结果。这两种方式虽然能压缩目标检测模型的计算量，减少耗时，但都会带来性能损失的副作用。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种快速道路的目标检测方法、装置及存储介质，能够降低目标检测模型的计算量，提升检测精度。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种快速道路的目标检测方法，包括：

通过车载ADAS前向摄像头采集道路的原始图像；

基于原始图像获取多个层级的ROI区域；

根据多个层级的ROI区域对原始图像进行处理得到多个输入图像；

将多个输入图像分别输入目标检测模型中获取多个目标检测结果；

根据NMS算法将多个目标检测结果进行合并得到最终的目标检测结果。

可选的，所述ROI区域的层级数为2-3层。

可选的，所述ROI区域的层级数为2层；

第一层ROI区域的获取包括：

根据缩放比例k对原始图像进行缩放得到第一层ROI区域；所述第一层ROI区域的宽高为W/k，H/k；

所述缩放比例的最小值k_min为：

k_min＝Max(W,H)/w_max

所述第一层ROI区域目标检测模型所能检测到的目标宽的最小值为k_min*r；

其中，W,H为原始图像的宽和高，w_max和w_min为目标检测模型所能检测到的目标宽的最大值和最小值；

第二层ROI区域的获取包括：