[发明专利]落石检测模型训练方法、落石检测方法及相关装置

说明书

本发明的实施例提供了落石检测模型训练方法、落石检测方法及相关装置，方法包括：计算第一损失惩罚项信息，计算第二损失惩罚项信息；将第一损失惩罚项信息和第二损失惩罚项信息分别输入至图像分割网络和落石检测网络中，得到更新后的目标图像的区域标识和更新后的目标图像的目标落石信息；返回执行计算目标图像的区域标识和标准图像的区域标识的第一损失惩罚项信息的步骤，直至最新的第一惩罚项信息和最新的第二惩罚项信息满足落石检测条件。本申请通过图像分割网络，将落石的注意力放在高速道路上，从而减少高速道路外的误判情况。高速道路的落石检测对于提高山区驾驶安全有着重要作用。

技术领域

本发明涉及模型训练领域，具体而言，涉及一种落石检测模型训练方法、落石检测方法及相关装置。

背景技术

落石检测通常都采用雷达或其他传感器进行检测，但通过传感器所采集的信息易受到外界因素干扰，影响判断准确率。

随着近年来计算机视觉的发展，越来越多的人采用计算机视觉的方式对落石进行检测。通过雷达与视频分析技术，对铁路落石进行检测，综合帧间差与雷达信号降低误报率。或者采用机器视觉的方法对隧道内的落石进行检测，采用划分检测区域规避误报。

可以发现，在对落石检测采用计算机视觉的方法时，大多数研究者都采用了视频帧间差作为依据，为了规避其他变化带来的误差，甚至划分了检测区域，但这些方法都不适用与高速道路的落石检测。若使用帧间法进行检测，高速道路上运动的车辆会直接影响结果，且检测区域与车辆运动区域重叠，无法通过划分区域规避误报。

发明内容

本发明的目的包括，例如，提供了一种落石检测模型训练方法、落石检测方法及相关装置，其能够提高落石检测的精确度。

为了实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种落石检测模型训练方法，所述方法包括：

计算目标图像的区域标识和标准图像的区域标识的第一损失惩罚项信息，其中，所述目标图像的区域标识由图像分割网络输出，所述标准图像的区域标识由人工标注，所述区域标识指示所述目标图像或所述标准图像中的高速道路区域和非高速道路区域，所述第一损失惩罚信息为目标图像中的区域标识与标准图像中的区域标识的差异；

计算所述目标图像中目标落石信息与所述标准图像中标准落石信息的第二损失惩罚项信息，其中，所述第二损失惩罚项信息为目标图像中的目标落石信息与所述标准图像的标准落石信息的差异，所述标准图像的标准落石信息由人工标注；

将所述第一损失惩罚项信息和所述第二损失惩罚项信息分别输入至图像分割网络和落石检测网络中，得到更新后的目标图像的区域标识和更新后的所述目标图像的目标落石信息；

返回执行所述计算目标图像的区域标识和标准图像的区域标识的第一损失惩罚项信息的步骤，直至最新的第一惩罚项信息和最新的第二惩罚项信息满足落石检测条件。

在可选的实施方式中，所述计算目标图像的区域标识和标准图像的区域标识的第一损失惩罚项信息包括：

计算二分类损失函数L_seg；

其中，y为样本标签，当标准图像的像素属于高速道路时取值为1，否则为0，y′为模型预测为高速道路类的概率，N为像素点数量。

在可选的实施方式中，所述计算所述目标图像中目标落石信息与所述标准图像中标准落石信息的第二损失惩罚项信息包括：

计算中心坐标误差L_a，b；