[发明专利]一种基于深度学习目标检测算法的抬头显示方法及装置

说明书

本发明涉及图像处理技术领域，具体涉及一种基于深度学习目标检测算法的抬头显示方法及装置，方法包括：基于深度学习算法对采集的图像进行目标识别；将图像中识别出的特征物进行标出；将标出的特征物图像进行显示。将基于深度学习算法的目标识别技术与抬头显示技术相结合，从而增强AR‑HUD在实际当中的应用，使得本申请提出的方法相对于传统的目标检测算法速度更快效果更好，更便于实现。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及基于深度学习目标检测算法的抬头显示方法及装置。

背景技术

抬头显示系统(Head Up Display)在近些年被用到汽车上进行辅助驾驶。它主要是利用了光学反射的原理，将汽车的一些重要的参数信息(如速度、油箱油量、导航信息、胎压信息等)投射在汽车前挡风玻璃，由前挡风玻璃将这些信息反射到司机眼中，司机透过前挡风玻璃看到漂浮在汽车引擎盖上方的虚像，司机无需低头即可查看汽车运行时的一些重要的参数信息。抬头显示技术中的AR-HUD利用了增强现实技术，将虚拟信息和现实路况实时信息进行叠加，更利于驾驶员读取参数信息。

传统目标检测算法的运算速度慢，计算结果错误率高等问题，因此，因此，现有技术还存在缺陷，而有待于改进和发展。

发明内容

本发明实施例提供了一种基于深度学习目标检测算法的抬头显示方法及装置，以至少解决现有目标检测算法运算速度慢，计算结果错误率高的问题。

根据本发明的一实施例，提供了一种基于深度学习目标检测算法的抬头显示方法，包括以下步骤：

基于深度学习算法对采集的图像进行目标识别；

将图像中识别出的特征物进行标出；

将标出的特征物图像在车辆前挡风玻璃上进行显示。

进一步地，在基于深度学习算法对采集的图像进行目标识别之前还包括：

采集待识别的图像。

进一步地，基于深度学习算法对采集的图像进行目标识别具体包括：

判断采集的图像中是否存在特征物；

若存在特征物，则确定图像中特征物的位置。

进一步地，深度学习算法采用One-Stage目标检测算法。

进一步地，One-Stage目标检测算法中选择采用YOLO算法。

进一步地，YOLO算法包括：

卷积层，卷积层采用Google inceptionV1网络，进行特征物提取；

目标检测层，目标检测层过四个卷积层和两个全连接层，然后生成并输出多个包围盒；

NMS筛选层，筛选层对多个包围盒进行筛选，过滤掉分数低于阈值的包围盒，对剩下的包围盒进行NMS非极大值抑制，去除掉重叠度比较高的包围盒，最终得到最合适的若干个包围盒。

一种基于深度学习目标检测算法的抬头显示装置，包括：

目标识别模块，用于基于深度学习算法对采集的图像进行目标识别；

标记模块，用于将图像中识别出的特征物进行标出；

显示模块，将标出的特征物图像进行显示。

进一步地，目标识别模块包括：

判断单元，用于判断采集的图像中是否存在特征物；

定位单元，若存在特征物，则确定图像中特征物的位置。