[发明专利]用于车辆盲区的目标检测方法、装置和电子设备

权利要求书

1.一种用于车辆盲区的目标检测方法，其特征在于，所述方法包括以下步骤：

获取目标图像；

在所述目标图像中根据预设的车辆盲区标定对应的检测区域；

使用深度学习模型检测所述目标图像中的目标对象，获得所述目标对象的位置信息；

基于所述目标对象的位置信息，判断所述检测区域中是否存在所述目标对象；

在所述检测区域中存在所述目标对象的情况下，发出报警信息。

2.根据权利要求1所述的方法，其特征在于，所述车辆盲区根据车辆类型预设或者通过对所述图像采集模块进行标定来预设。

3.根据权利要求1所述的方法，其特征在于，通过图像采集模块获取所述目标图像，所述图像采集模块的安装位置位于所述车辆的以下至少一个位置上：右后侧、左后侧、右前侧、左前侧、后侧。

4.根据权利要求2所述的方法，其特征在于，根据车辆类型预设所述车辆盲区包括根据车辆类型在地面上划定至少一个与车辆一侧相距预设距离的区域作为车辆盲区。

5.根据权利要求1所述的方法，其特征在于，所述深度学习模型以Mobilenet卷积神经网络作为基础特征提取网络，以SSD模型作为检测算法。

6.根据权利要求1所述的方法，还包括：在使用深度学习模型检测所述目标图像中的目标对象，获得所述目标对象的位置信息后，采用非极大值抑制的方法对所述目标对象的位置信息进行筛选。

7.根据权利要求1所述的方法，其特征在于，所述目标对象包括以下至少之一：电动车、摩托车、行人、自行车、机动车、宠物、障碍物。

8.根据权利要求1所述的方法，其特征在于，在获取所述目标图像后，根据所述目标图像的通道信息判断是否为红外图像，并根据判断结果切换红外图像模型或RGB图像模型。

9.根据权利要求1所述的方法，还包括对所述深度学习模型进行训练，训练方法包括：

获取大量样本图像，并对所述样本图像中的目标对象标记标注框；

将已标记标注框的所述样本图像输入所述深度学习模型并选取特征图；

在所述特征图上选取预选框；

将所述标记框与所述预选框进行匹配，获得所述预选框的定位损失和分类置信度损失；

根据所述预选框的定位损失和分类置信度损失调整所述深度学习模型的损失函数以完成对所述深度学习模型的训练。

10.根据权利要求10所述的方法，其特征在于，将所述标记框与所述预选框进行匹配包括：将所述标记框与所述预选框按照交并比进行匹配。

11.根据权利要求11所述的方法，其特征在于，当交并比大于等于第一阈值时，将该预选框标记为正样本；根据正样本的数量和预设的正负样本比例，确定负样本数量。

12.一种用于车辆盲区的目标检测装置，其特征在于，所述装置包括：

图像采集模块，用于获取目标图像；

检测区域标定模块，用于在所述目标图像中根据预设的车辆盲区标定对应的检测区域；

位置检测模块，通过使用深度学习模型检测所述目标图像中的目标对象，获得所述目标对象的位置信息；

判断模块，用于基于所述目标对象的位置信息，判断所述检测区域中是否存在所述目标对象；

报警模块，用于在所述检测区域中存在所述目标对象的情况下，发出报警信息。

13.根据权利要求12所述的装置，其特征在于，所述深度学习模型以Mobilenet卷积神经网络作为基础特征提取网络，以SSD模型作为检测算法。