[发明专利]车辆行驶区域识别方法及装置

说明书

本发明公开一种车辆行驶区域识别方法及装置，该方法包括：采集目标输入图像，进行特征提取，输出分辨率小于目标输入图像的特征向量；将特征向量进行多个传递方向的运算，生成第一运算向量；将第一运算向量进行多个传递方向的运算，生成第二运算向量；将特征提取过程中的浅层特征值及第一运算向量、第二运算向量整合生成输出向量，浅层特征值的分辨率大于特征向量、小于目标输入图像；将输出向量进行上采样处理，输出与目标输入图像相对应的车辆行驶区域识别结果。通过实施本发明，使输出特征值具有位置相关性，在特征图中融合位置信息，能有效增强区分优先路权区域和非优先路权区域的能力，实现对车辆行驶过程中行驶区域的优先权的识别划分。

技术领域

本发明涉及机器学习及图像识别技术领域，具体涉及一种车辆行驶区域识别方法及装置。

背景技术

目前，基于机器学习的图像识别技术，主要是使用多尺度特征信息全卷积网络(Fully Convolutional Networks，FCN)，和使用空洞卷积的deeplab框架。其中，FCN网络抽取出基础网络(backend)中的多尺度特征图(features map)，通过上采样融合多尺度信息后进行像素级别的分类预测，得出图像中的可行驶区域信息；deeplab框架使用不同间隔(dilation)的空洞卷积从基础网络生成的特征图中提取金字塔结构的特征信息，然后进行像素分类预测可行驶区域。

上述两种方法在语义分割领域处于主导领域。但是在类似于特定区域的图像识别等特定应用中，上述方法对于区分特定区域的图像识别等方面，不具有针对性，识别结果准确度较差。

发明内容

有鉴于此，本发明实施例提供了一种车辆行驶区域识别方法及装置，以解决现有的机器学习对于特定区域的图像识别结果准确度较差的问题。

根据第一方面，本发明实施例提供了一种车辆行驶区域识别方法，包括：采集目标输入图像，进行特征提取，输出分辨率小于所述目标输入图像的特征向量；将所述特征向量进行多个传递方向的运算，生成第一运算向量；将所述第一运算向量进行多个传递方向的运算，生成第二运算向量；将特征提取过程中的浅层特征值及所述第一运算向量、第二运算向量整合生成输出向量，所述浅层特征值的分辨率大于所述特征向量、小于所述目标输入图像；将所述输出向量进行上采样处理，输出与所述目标输入图像相对应的车辆行驶区域识别结果。

结合第一方面，在第一方面第一实施方式中，所述将所述特征向量进行多个传递方向的运算，生成第一运算向量，包括：根据所述特征向量沿第一垂直方向及第二垂直方向进行RNN运算，并进行拼接，得到垂直运算结果，所述第一垂直方向与第二垂直方向反向；根据所述特征向量沿第一水平方向及第二水平方向进行RNN运算，并进行拼接，得到水平运算结果，所述第一水平方向与第二水平方向反向；将所述垂直运算结果及水平运算结果进行拼接，并将拼接后的运算结果进行卷积运算，得到所述第一运算向量。

结合第一方面，在第一方面第二实施方式中，所述将所述第一运算向量进行多个传递方向的运算，生成第二运算向量，包括：根据所述第一运算向量沿第一垂直方向及第二垂直方向进行RNN运算，并进行拼接，得到垂直运算结果，所述第一垂直方向与第二垂直方向反向；根据所述第一运算向量沿第一水平方向及第二水平方向进行RNN运算，并进行拼接，得到水平运算结果，所述第一水平方向与第二水平方向反向；将所述垂直运算结果及水平运算结果进行拼接，并将拼接后的运算结果进行卷积运算，得到所述第二运算向量。

结合第一方面，在第一方面第三实施方式中，所述车辆行驶区域识别方法还包括：根据所述车辆行驶区域识别结果确定当前行驶区域及其他行驶区域的优先级；根据所述当前行驶区域及其他行驶区域的优先级判断各行驶区域的可行驶状态；根据所述当前行驶区域及其他行驶区域的优先级及所述可行驶状态确定是否切换行驶区域。