[发明专利]一种车辆图像划分的方法、装置及存储介质

说明书

本发明公开了一种车辆图像划分的方法、装置及存储介质，用以解决现有技术中存在的不能准确划分车身的技术问题，该方法包括：对待检测的车辆图像进行水平镜像操作，用已训练好的预设卷积神经网络分别提取车辆图像和镜像后的车辆图像中的图像特征，获得初始特征图和镜像特征图；分别从第一方向和与第一方向相反的第二方向计算初始特征图和镜像特征图的相关性，得到初始特征图和镜像特征图在第一方向的相关性计算中最大的第一相关性值，及在第二方向的相关性计算中最大的第二相关性值；对将第一相关性值和第二相关性值进行比较，确定初始特征图中表征车身与非车身部分的特征分割位置，并将其从初始特征图映射到车辆图像中确定车身。

技术领域

本发明涉及深度学习技术领域，尤其是涉及一种车辆图像划分的方法、装置及存储介质。

背景技术

在交通场景下抓拍车辆图像，通常要求摄像头正对车头或车尾。

但在一些情况下，受安装条件或场景限制，拍摄到的车辆图像中车辆角度比较大。在对车辆图像中的车辆区域进行检测时，车辆的侧身占了很大一部分，不利于后续进行车牌识别或其它一些应用。但当车辆角度较小，只检测到车头或车尾，又不利于车型判断。

在对车辆图像进行识别时，如何准确划分出车辆图像中的车身成为一个亟待解决的技术问题。

发明内容

本发明提供一种车辆图像划分的方法、装置及存储介质，用以解决现有技术中存在的不能准确划分车身的技术问题。

第一方面，为解决上述技术问题，本发明实施例提供的一种车辆图像划分的方法的技术方案如下：

采用已训练好的预设卷积神经网络从待检测的车辆图像中提取图像特征，获得对应的初始特征图；

对所述车辆图像进行水平镜像操作，并用所述预设卷积神经网络提取图像特征，获得镜像特征图；

分别从第一方向和与所述第一方向相反的第二方向计算所述初始特征图和所述镜像特征图的相关性，得到所述初始特征图和所述镜像特征图在所述第一方向的相关性计算中最大的第一相关性值，以及在所述第二方向的相关性计算中最大的第二相关性值；

对将所述第一相关性值和第二相关性值进行比较，确定所述初始特征图中表征车身与非车身部分的特征分割位置，将所述特征分割位置从所述初始特征图映射到所述车辆图像中确定所述车身。

一种可能的实施方式，分别从第一方向和与所述第一方向相反的第二方向计算所述初始特征图和所述镜像特征图的相关性，包括：

对所述第一方向或所述第二方向中的任一方向执行下列操作：

沿所述任一方向将所述镜像特征图相对于所述初始特征图按预设步长移动，每移动一次计算一次所述初始特征图和所述镜像特征图重叠部分的相关性值，直至所述初始特征图和所述镜像特征图完全重叠，获得所述任一方向对应的所有相关性值组成的集合；

所述任一方向为所述第一方向时所述集合为第一集合；

所述任一方向为所述第二方向时，所述集合为第二集合；

从所述第一集合中选取最大值作为所述第一相关性值，从所述第二集合中选取最大值作为所述第二相关性值。

一种可能的实施方式，计算所述初始特征图和所述镜像特征图重叠部分的相关性值，包括：

分别计算所述重叠部分在所述初始特征图和所述镜像特征图中的标准差，获得与所述初始特征图对应的第一标准差，以及与所述镜像特征图对应的第二标准差；

对所述第一标准差与所述第二标准差进行积运算，获得积运算结果；

计算所述重叠部分的协方差；

对所述协方差与所述积运算结果进行商运算，获得所述相关性值。