[发明专利]用于车辆盲区的目标检测方法、装置和电子设备

说明书

本发明公开了一种用于车辆盲区的目标检测方法、装置和电子设备。一种目标检测方法通过获取目标图像；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。可以实现对车辆盲区内目标对象的自动监测，并在与车辆盲区对应的检测区域内存在目标对象时，发出报警提示，辅助驾驶员在行驶过程中及时发现潜在的危险，减少因驾驶员查看视频分心所导致的交通事故的发生。

技术领域

本发明涉及计算机视觉处理技术，具体而言，涉及一种用于车辆盲区的目标检测方法、装置和电子设备。

背景技术

随着城市建设发展，公交车、罐装车、渣土车等大型车辆为城市建设做出贡献的同时也产生了很多不必要的交通事故。大型车辆由于车身过高，对驾驶员来说存在较大的视觉盲区，而且行人目标又比较小，当进入盲区后，驾驶员基本无法看到，尤其在车辆拐弯时存在较大的安全隐患。

针对这种现状，很多大型车辆都会在盲区安装摄像头，用来实时监测盲区路况，并在驾驶室安装显示屏幕供驾驶员实时查看盲区情况。但是驾驶员不可能时刻查看视频，而且在查看视频路况的时候会带来别的安全隐患。

发明内容

本发明实施例提供了一种用于车辆盲区的目标检测方法、装置和电子设备，以至少解决现有技术中存在的因驾驶员分心查看视频而导致交通事故的问题。

根据本发明实施例的一个方面，提供了一种用于车辆盲区的目标检测方法，该方法包括以下步骤：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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，该方法还包括：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。

进一步地，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。

进一步地，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。

进一步地，该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。

进一步地，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。

进一步地，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。