[发明专利]基于辅助驾驶的目标尺度变化率计算方法、装置及设备

说明书

本发明实施例提供了一种基于辅助驾驶的目标尺度变化率计算方法、装置及设备，方法包括：对三类特征点进行运算，得到预测模型的输入数据，利用预测模型对该输入数据进行处理，得到目标尺度变化率；预测模型为基于样本数据以及样本数据对应的瞬时尺度变化率，对预设结构的神经网络训练得到的，这样，训练得到的预测模型能够预测辅助驾驶场景中目标的瞬时尺度变化率，而不再是计算当前帧视频图像中的目标相对于上一帧视频图像中同一目标的尺寸变化率，提高了目标尺度变化率的准确度。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于辅助驾驶的目标尺度变化率计算方法、装置及设备。

背景技术

目标尺度变化率，是指当前帧视频图像中的目标的尺寸变化率。目标尺度变化率可以应用于多种场景中，例如，在辅助驾驶场景中，可以根据目标尺度变化率计算目标的速度，再例如，在监控场景中，可以根据通过目标尺度变化率确定目标与监控设备的距离。

计算目标尺度变化率的方案一般包括：在第t-1帧图像中检测目标A，得到目标A的检测框，计算该检测框的尺寸，记为S1，再在第t帧图像中检测目标A，得到目标A的检测框，计算该检测框的尺寸，记为S2，计算S2/S1，该比值即为目标A的尺度变化率。

这种方案得到的目标尺度变化率，是当前帧视频图像中的目标相对于上一帧视频图像中同一目标的尺寸变化率，而不是目标的瞬时变化率。这种方案得到的目标尺度变化率准确度较低。

发明内容

本发明实施例的目的在于提供一种基于辅助驾驶的目标尺度变化率计算方法、装置及设备，以提高目标尺度变化率的准确度。

为达到上述目的，本发明实施例提供了一种基于辅助驾驶的目标尺度变化率计算方法，包括：

识别目标在当前帧图像中的特征点，作为第一特征点，所述当前帧图像为辅助驾驶场景中采集的图像；

通过对所述目标进行跟踪，在当前帧图像之后的图像中识别与所述第一特征点相匹配的特征点，作为第二特征点；

通过对所述目标进行反向跟踪，在当前帧图像中识别与所述第二特征点相匹配的特征点，作为第三特征点；

对所述第一特征点、所述第二特征点以及所述第三特征点进行运算，得到预测模型的输入数据；所述预测模型为基于样本数据以及样本数据对应的瞬时尺度变化率，对预设结构的神经网络训练得到的，所述样本数据的数据类型与所述输入数据的数据类型一致；

将所述输入数据输入至所述预测模型，得到所述预测模型输出的所述当前帧图像中的所述目标的瞬时尺度变化率。

可选的，所述方法还包括：

分别计算每两个第一特征点之间的距离，作为第一距离；

分别计算每两个第二特征点之间的距离，作为第二距离；

针对每两个第一特征点，确定与该两个第一特征点相匹配的两个第二特征点，计算所述相匹配的两个第二特征点之间的第二距离与该两个第一特征点之间的第一距离的比值；

所述对所述第一特征点、所述第二特征点以及所述第三特征点进行运算，得到预测模型的输入数据，包括：

将所述第一特征点与所述第三特征点之间的误差、所述第一特征点与所述第二特征点之间的匹配程度、以及所述比值，转换为预测模型的输入数据。

可选的，所述方法还包括：

判断所述第二特征点与所述第三特征点之间的匹配程度是否大于第一预设阈值，如果大于，将第一标志位置为第一预设值，如果不大于，将所述第一标志位置为第二预设值；

所述将所述第一特征点与所述第三特征点之间的误差、以及所述第一特征点与所述第二特征点之间的匹配程度，转换为预测模型的输入数据，包括：