[发明专利]交通目标识别模型训练方法、交通目标定位方法、装置

说明书

本发明实施例提供了一种交通目标识别模型训练方法、交通目标定位方法、装置。交通目标识别模型训练方法包括：获取训练样本集，训练样本集包括多个交通目标的训练样本；将每个交通目标的训练样本输入到预先构建的交通目标识别网络中，对交通目标识别网络进行训练，获得训练好的交通目标特征识别模型；其中，预先构建的交通目标识别模型，包括第一沙漏网络模型和第二沙漏网络模型；第一沙漏网络模型包括第一损失函数计算层，第二沙漏网络模型包括第二损失函数计算层。本发明实施例的能够提高对交通目标识别、定位的精准性和实时性。

技术领域

本发明属于计算机领域，尤其涉及一种交通目标识别模型训练方法、交通目标定位方法、装置。

背景技术

随着机动车的数据增加，道路交通拥堵和交通事故频发。为了减少道路交通拥堵，以及交通事故的出现频次，国家、地区以及社会企业，都在积极探索智慧交通等有效的方案和管理工具，如智慧交通管控、辅助驾驶系统等。

在目前的解决方案中，通过在车辆上配置的摄像头获取车辆前方的道路图像，通过检测车辆前方的道路图像识别交通目标，以及结合车辆辅助驾驶中的测距功能，获取交通场景的信息，但是，这种结合车辆辅助驾驶中的测距功能的识别和定位交通目标的方法，无法获取精准定位，而且由于存在遮挡物和盲区，车上的传感器也存在相机视角和视域的限制。因此，如何实现对交通目标的实时识别与定位，是实现智慧交通管控，减少道路交通拥堵的关键。

发明内容

本发明实施例提供一种交通目标识别模型训练方法、交通目标定位方法、装置，能够提高对交通目标识别、定位的精准性和实时性。

第一方面，本发明实施例提供一种交通目标识别模型训练方法，方法包括：获取训练样本集，训练样本集包括多个交通目标的训练样本；

将每个交通目标的训练样本输入到预先构建的交通目标识别网络中，对交通目标识别网络进行训练，获得训练好的交通目标特征识别模型；其中，预先构建的交通目标识别模型，包括第一沙漏网络模型和第二沙漏网络模型；第一沙漏网络模型包括第一损失函数计算层，第二沙漏网络模型包括第二损失函数计算层。

在第一方面的一些可实现方式中，获取训练样本集，包括：获取多个包括交通目标的原始图像；

确定每个原始图像中的交通目标，获得第一预处理原始图像；

对每个第一预处理原始图像进行尺度变化处理，获得交通目标的训练样本。

在第一方面的一些可实现方式中，对每个第一预处理原始图像进行尺度变化处理，获得交通目标的训练样本，还包括：对尺度变化处理后的第一预处理原始图像进行数据增强处理，获得预处理后的训练图像；

将处理后的训练图像作为交通目标的训练样本。

在第一方面的一些可实现方式中，将每个交通目标的训练样本输入到预先构建的交通目标识别网络中，包括：通过可分离空间可分离卷积，对交通目标的训练样本进行下采样，获得下采样后的交通目标的训练样本；

将下采样后的交通目标的训练样本输入到预先构建的交通目标识别网络中。

在第一方面的一些可实现方式中，预先构建的交通目标识别网络相邻的卷积层之间采用可变性卷积。

在第一方面的一些可实现方式中，对交通目标识别网络进行训练，获得训练好的交通目标特征识别模型，包括：获取交通目标识别网络输出的交通目标特征识别图；

根据预先设置的验证样本集，确定交通目标特征识别图的损失函数值，其中，验证样本集包括多个对应交通目标的训练样本的验证样本；

当损失函数值满足预设训练停止条件时，获得训练好的交通目标识别模型。