CN110059566A - 一种图像识别方法及装置 - Google Patents

Abstract

本申请实施例公开了一种图像识别方法及装置，获取包括目标车辆的待识别图像，在待识别图像中识别目标车辆上的水平边和车底特征，车底特征可以包括车底阴影和/或车轮，根据目标车辆的车底特征和水平边的相对位置，从识别出的水平边中确定目标车辆的车底边。在本申请实施例中，由于车底边通常是目标车辆上最为凸出的边，可以用来表征目标车辆的位置，而车底边由于车底特征接近，因此根据车底特征和水平边的相对位置来识别车底边，可以提高车底边的识别的准确性，从而提高车辆的实际定位的准确性。

Description

一种图像识别方法及装置

技术领域

本发明涉及计算机领域，特别是涉及一种图像识别方法及装置。

背景技术

高级驾驶辅助系统是利用安装在车速的传感器，在汽车行驶过程中来感知周围环境，并通过运算和分析从而预先让驾驶者察觉到可能的危险的系统，这样可以有效增加汽车驾驶的舒适性和安全性。

在高级驾驶辅助系统中，前方车辆的位置是重要的数据。在一种方式中，可以通过雷达来进行对前方车辆进行测距，然而雷达成本较高，同时没有目标类型的区分，无法实现前方车辆的位置的准确判定。在另一种方式中，可以通过图像获取设备获取前方车辆的图像，通过图像分析得到前方车辆的位置，具体的，可以识别出图像中目标车辆的位置，然后根据目标车辆在图像中的位置计算目标车辆与获取图像的设备的相对位置。然而，现有技术中对图像的识别不够准确，因此得到的前方车辆的位置也不够准确。

发明内容

为解决上述技术问题，本申请实施例提供一种图像识别方法及装置，提高图像识别的准确性，从而提高车辆定位的准确性。

本申请实施例提供了一种图像识别方法，所述方法包括：

获取包括目标车辆的待识别图像；

在所述待识别图像中识别所述目标车辆上的水平边和车底特征，所述车底特征包括车底阴影和/或车轮；

根据所述目标车辆的车底特征与所述水平边的相对位置，从所述水平边中确定所述目标车辆的车底边。

可选的，所述根据所述目标车辆的车底特征与所述水平边的相对位置，从所述水平边中确定所述目标车辆的车底边，包括：

确定所述车底特征的边界；

根据所述车底特征的边界与各个所述水平边的距离，为各个所述水平边确定分值；

将所述分值大于或等于预设值的水平边作为所述目标车辆的车底边。

可选的，所述在所述待识别图像中识别所述目标车辆上的车底阴影，包括：

根据所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车底阴影区域；

所述在所述待识别图像中识别所述目标车辆上的车轮，包括：

根据所述待识别图像中的像素点的像素值以及所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车轮区域。

可选的，所述方法还包括：

根据所述目标车辆的车底边在所述待识别图像中的位置，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。

可选的，所述方法还包括：

在所述待识别图像中识别所述目标车辆上的竖直线；

根据所述目标车辆的车底边端点特征以及所述目标车辆的对称性特征，从所述竖直线中确定所述目标车辆的竖直边界线，所述竖直边界线包括左边界线和/或右边界线；

根据所述车底边和所述竖直边界线，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。

本申请实施例还提供了一种图像识别装置，所述装置包括：

图像获取单元，用于获取包括目标车辆的待识别图像；

水平边获取单元，用于在所述待识别图像中识别所述目标车辆上的水平边；

特征获取单元，用于在所述待识别图像中识别所述目标车辆上的车底特征，所述车底特征包括车底阴影和/或车轮；

车底边确定单元，用于根据所述目标车辆的车底特征与所述水平边的相对位置，从所述水平边中确定所述目标车辆的车底边。

可选的，所述车底边确定单元，包括：

上边界确定单元，用于确定所述车底特征的边界；

分值确定单元，用于根据所述车底特征的边界与各个所述水平边的距离，为各个所述水平边确定分值；

车底边确定子单元，用于将所述分值大于或等于预设值的水平边作为所述目标车辆的车底边。

可选的，所述特征获取单元具体用于：

根据所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车底阴影区域；和/或，

根据所述待识别图像中的像素点的像素值以及所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车轮区域。

可选的，所述装置还包括：

第一位置计算单元，用于根据所述目标车辆的车底边在所述待识别图像中的位置，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。

可选的，所述装置还包括：

竖直线获取单元，用于在所述待识别图像中识别所述目标车辆上的竖直线；

竖直边界线确定单元，用于根据所述目标车辆的车底边端点特征以及所述目标车辆的对称性特征，从所述竖直线中确定所述目标车辆的竖直边界线，所述竖直边界线包括左边界线和/或右边界线；

第二位置计算单元，用于根据所述车底边和所述竖直边界线，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。

本申请实施例提供了一种图像识别方法及装置，获取包括目标车辆的待识别图像，在待识别图像中识别目标车辆上的水平边和车底特征，车底特征可以包括车底阴影和/或车轮，根据目标车辆的车底特征和水平边的相对位置，从识别出的水平边中确定目标车辆的车底边。在本申请实施例中，由于车底边通常是目标车辆上最为凸出的边，可以用来表征目标车辆的位置，而车底边由于车底特征在位置上接近，因此根据车底特征和水平边的相对位置来识别车底边，可以提高车底边的识别的准确性，从而提高车辆的实际定位的准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为现有技术中的一种目标车辆的图像示意图；

图2为本申请实施例提供的一种图像识别方法的流程图；

图3为本申请实施例提供的一种待识别图像的示意图；

图4为本申请实施例提供的另一种待识别图像的示意图；

图5为本申请实施例提供的一种图像识别装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

目前，可以通过图像获取设备获取前方车辆的图像通过图像分析得到前方车辆的位置，具体的，可以识别出图像中目标车辆的位置，然后根据车辆在图像中的位置来计算目标车辆与获取图像的设备的相对位置，这样就可以获取目标车辆与图像获取设备所在车辆的相对位置。

现有的从图像中识别目标车辆的位置的技术，通常是对图像中的目标车辆整体进行识别，参考图1所示，为现有技术中的一种目标车辆的图像示意图，首先可以识别出目标车辆所在的区域(参考黑色矩形框)，然后根据目标车辆所在区域在图像中的位置，来计算目标车辆与获取图像的设备的相对位置。然而，发明人经过研究发现，识别出的目标车辆所在的区域通常是大于目标车辆的实际区域，这样根据识别出的区域来计算目标车辆与获取图像的设备的相对位置，通常是不够准确的。

基于此，本申请实施例提供了一种图像识别方法及装置，获取包括目标车辆的待识别图像，在待识别图像中识别目标车辆上的水平边和车底特征，车底特征可以包括车底阴影和/或车轮，根据目标车辆的车底特征和水平边的相对位置，从识别出的水平边中确定目标车辆的车底边。在本申请实施例中，由于车底边通常是目标车辆上最为凸出的边，可以用来表征目标车辆的位置，而车底边由于车底特征在位置上接近，因此根据车底特征和水平边的相对位置来识别车底边，可以提高车底边的识别的准确性，从而提高车辆的实际定位的准确性。

下面结合附图，通过实施例来详细说明本申请实施例提供的一种图像识别方法及装置的具体实现方式。

参考图2所示为本申请实施例提供的一种图像识别方法的流程图，可以包括以下步骤。

S101，获取包括目标车辆的待识别图像。

在本申请实施例中，目标车辆为图像获取设备前方的车辆，待识别图像中是图像获取设备对目标车辆进行拍摄得到，图像获取设备可以是摄像头、相机等，也可以是其他图像获取设备。待识别图像中可以包括目标车辆的头部或尾部，也可以包括目标车辆的侧身，参考图1所示。

待识别图像中可以包括一个目标车辆，也可以包括多个目标车辆，在对待识别图像进行分析时，可以分别对待识别图像中的单个目标车辆进行分析。

可以理解的是，待识别图像也可以是对原始图像进行截取得到的，例如在原始图像中识别出包括目标车辆的候选区域作为待识别图像，这样待识别图像中就可以只包括一个目标车辆，以减少后续图像识别中的工序。对原始图像的截取可以通过机器学习模型实现。

S102，在待识别图像中识别目标车辆上的水平边和车底特征。

在待识别图像中识别目标车辆上的水平边可以有多种方式，例如通过边缘检测算法识别水平边，也可以通过计算水平方向上的像素梯度值来识别水平边，水平方向上的像素梯度值为左列的各个像素点的像素值与右列的各个像素点的像素值的差值，通常水平边的像素梯度值较小。

目标车辆上，可以有一条或多条水平边，参考图3所示，为本申请实施例提供的一种待识别图像的示意图，其中的白色线段为目标车辆上的水平边，目标车辆上的水平边可以包括以下线段的至少一种：车顶所在的边、车牌的上边界、车牌的下边界、尾门边界、尾灯连线、车轮的下边界连线以及阴影处像素值相近的水平线等。

目标车辆的车底特征可以包括车底阴影，车底阴影是目标车辆车身之外的阴影区域，通常像素值较低，参考图3所示，其中较大的灰色椭圆为目标车辆的车底阴影区域。

在待识别图像中识别目标车辆上的车底阴影也可以有多种方式。具体的，可以根据待识别图像中像素点的像素梯度值确定目标车辆的车底阴影，其中像素梯度值可以是水平方向上的，也可以是竖直方向上的，竖直方向上的像素梯度值为上一行的各个像素点的像素值与下一行的各个像素点的像素值的差值。具体来说，车底阴影的像素值较低，通常高于待识别图像中的其他位置，以竖直方向上的像素梯度值来说，可以从下往上获取计算像素梯度值为负值的区域，到像素梯度值为正值截止，将像素梯度值为负值的区域作为车底阴影区域。事实上，这样确定出的车底阴影区域仅包括车底像素值最低的位置以上，在识别阴影区域时，还可以确定出完整的车底阴影区域，在此不再详细说明。

目标车辆的车底特征也可以包括车轮，车轮也是位于目标车辆的车底的特征，车轮的颜色从后侧放看，通常边缘较深，中间区域较浅，而从正后方看则边缘位置相较于其他区域较深，参考图3所示，其中较小的两个灰色椭圆为目标车辆的车轮区域。

在待识别图像中识别目标车辆上的车轮也可以有多种方式。具体的，可以根据待识别图像中像素点的像素梯度值以及像素值，确定目标车辆的车轮区域，像素梯度值可以是水平方向上的，也可以是竖直方向上的。具体来说，以水平方向上的像素梯度值来说，车轮区域的像素梯度值会在左右边缘位置出现最大值和最小值，同时像素值会在中间位置呈现较低值，从而确定车轮区域。

可以理解的是，目标车底特征可以包括车底阴影，也可以包括车轮，还可以同时包括车底阴影和车轮。以上示出的椭圆形车底阴影和椭圆形车轮均为一种示例，仅为了清楚说明，实际上，为了方便计算，也可以将车底阴影区域和车轮区域近似成为矩形。

S103，根据目标车辆的车底特征与水平边的相对位置，从水平边中确定目标车辆的车底边。

在本申请实施例中，在目标车辆上识别出了至少一个水平边，然而这些水平边不一定是有用的，因此需要对水平边进行筛选，具体的，可以根据目标车辆的车底特征从水平边中确定目标车辆的车底边，车底边通常是目标车辆上最为凸出的边，因此基于车底边计算得到的目标车辆与图像获取设备的相对位置是最接近实际距离的。

在实际操作中，可以确定车底特征的边界，根据车底特征的边界与水平边的距离，为水平边确定分值，将分值大于或等于预设值的水平边作为目标车辆的车底边。

具体的，车底特征的边界可以包括以下边界的至少一个：车底阴影的上边界、车底阴影的下边界、车轮的上边界和车轮的下边界。其中车底阴影的上边界或下边界可以是直线段，也可以是其他形状的曲线段，车轮的上边界或下边界可以是直线段，也可以是其他形状的曲线段，可以是一个车轮的上边界或下边界，也可以是两个车轮的上边界的连线或两个车轮的下边界的连线。

在确定车底特征的边界后，可以计算车底特征的边界与各个水平边的距离，从而计算水平边的分值。通常来说，车底阴影的下边界和车轮的下边界与车底边的距离较近，甚至于是重合的，因此可以计算水平边与车底阴影的下边界的距离，和/或，水平边与车轮的下边界的距离，设置水平边的分值与计算得到的距离成反比，这样，距离车底阴影的下边界或车辆的下边界越远的水平线的分值越小，即越不可能是车底边。

在确定水平边的分值后，可以将分值大于或等于预设值的水平边作为目标车辆的车底边，也可以将分值最高的水平边作为目标车辆的车底边，参考图3所示，可以将最靠下的一条白色线段作为车底边。

在确定目标车辆的车底边之后，可以根据目标车辆的车底边在待识别图像中的位置，计算目标车辆与获取待识别图像的图像获取设备的相对位置。参考图4所示，为本申请实施例提供的另一种待识别图像的示意图，其中白色线段为确定出的各个目标车辆的车底边，再结合图像获取设备的焦距等拍摄参数，即可计算得到各个目标车辆的车底边与图像获取设备的相对位置，实现了目标车辆的准确定位。

在本申请实施例中，还可以在待识别图像中识别目标车辆上的竖直线，竖直线的识别方式可以参考水平边的识别方式，在此不做赘述。参考图3所示，左右两边的竖直黑色线段为竖直线。

在识别出确定竖直线后，还可以根据目标车辆的车底边端点特征以及目标车辆的对称性特征，从竖直线中确定目标车辆的竖直边界线，竖直边界线可以包括左边界线和/或右边界线。具体的，根据车底特征的左边界或右边界与竖直线的距离，为各个竖直线确定分值，将分值大于或等于预设值的竖直线作为目标车辆的竖直边界线。

通常来说，左边界线和右边界线关于中轴线对称，因此还可以根据目标车辆的对称性特征，在待识别图像中识别目标车辆上的中轴线，参考图3所示，位于中间位置的黑色线段为目标车辆的中轴线，目标车辆关于中轴线对称。在根据分值确定竖直边界线时，也可以计算关于中轴线对称的两条竖直线的分数和，将分数和最大的一对竖直线作为左边界线和右边界线。

在本申请实施例中，还可以在确定目标车辆的车底边之后，根据目标车辆的车底边的端点确定目标车辆的竖直边界线，根据车底边和竖直边界线，计算目标车辆与获取待识别图像的图像获取设备的相对位置。具体的，可以过车底边的两个端点作出垂直于车底边的线段，即为竖直边界线。

在确定目标车辆的竖直边界线之后，可以根据目标车辆的车底边和竖直边界线在待识别图像中的位置，计算目标车辆与获取待识别图像的图像获取设备的相对位置。参考图4所示，其中白色线段为确定出的各个目标车辆的车底边，黑色线段为确定出的各个目标车辆的竖直边界线，再结合图像获取设备的焦距等拍摄参数，即可计算得到各个目标车辆的车底边与图像获取设备的相对位置，实现了目标车辆的准确定位。

本申请实施例提供了一种图像识别方法，获取包括目标车辆的待识别图像，在待识别图像中识别目标车辆上的水平边和车底特征，车底特征可以包括车底阴影和/或车轮，根据目标车辆的车底特征和水平边的相对位置，从识别出的水平边中确定目标车辆的车底边。在本申请实施例中，由于车底边通常是目标车辆上最为凸出的边，可以用来表征目标车辆的位置，而车底边由于车底特征接近，因此根据车底特征和水平边的相对位置来识别车底边，可以提高车底边的识别的准确性，从而提高车辆的实际定位的准确性。

基于以上一种图像识别方法，本申请实施例还提供了一种图像识别装置，参考图5所示，为本申请实施例提供的一种图像识别装置的结构框图，所述装置包括：

图像获取单元110，用于获取包括目标车辆的待识别图像；

水平边获取单元120，用于在所述待识别图像中识别所述目标车辆上的水平边；

特征获取单元130，用于在所述待识别图像中识别所述目标车辆上的车底特征，所述车底特征包括车底阴影和/或车轮；

车底边确定单元140，用于根据所述目标车辆的车底特征与所述水平边的相对位置，从所述水平边中确定所述目标车辆的车底边。

可选的，所述车底边确定单元，包括：

上边界确定单元，用于确定所述车底特征的边界；

分值确定单元，用于根据所述车底特征的边界与各个所述水平边的距离，为各个所述水平边确定分值；

车底边确定子单元，用于将所述分值大于或等于预设值的水平边作为所述目标车辆的车底边。

可选的，所述特征获取单元具体用于：

根据所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车底阴影区域；和/或，

根据所述待识别图像中的像素点的像素值以及所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车轮区域。

可选的，所述装置还包括：

第一位置计算单元，用于根据所述目标车辆的车底边在所述待识别图像中的位置，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。

可选的，所述装置还包括：

竖直线获取单元，用于在所述待识别图像中识别所述目标车辆上的竖直线；

竖直边界线确定单元，用于根据所述目标车辆的车底边左右端点特征以及所述目标车辆的对称性特征，从所述竖直线中确定所述目标车辆的竖直边界线，所述竖直边界线包括左边界线和/或右边界线；

第二位置计算单元，用于根据所述车底边和所述竖直边界线，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。

本申请实施例提供了一种图像识别装置，获取包括目标车辆的待识别图像，在待识别图像中识别目标车辆上的水平边和车底特征，车底特征可以包括车底阴影和/或车轮，根据目标车辆的车底特征和水平边的相对位置，从识别出的水平边中确定目标车辆的车底边。在本申请实施例中，由于车底边通常是目标车辆上最为凸出的边，可以用来表征目标车辆的位置，而车底边由于车底特征在位置上接近，因此根据车底特征和水平边的相对位置来识别车底边，可以提高车底边的识别的准确性，从而提高车辆的实际定位的准确性。

本申请实施例中提到的“第一……”、“第一……”等名称中的“第一”只是用来做名字标识，并不代表顺序上的第一。该规则同样适用于“第二”等。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器(英文：read-only memory，ROM)/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于方法实施例和设备实施例而言，由于其基本相似于系统实施例，所以描述得比较简单，相关之处参见系统实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请的优选实施方式，并非用于限定本申请的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种图像识别方法，其特征在于，所述方法包括：

获取包括目标车辆的待识别图像；

在所述待识别图像中识别所述目标车辆上的水平边和车底特征，所述车底特征包括车底阴影和/或车轮；

根据所述目标车辆的车底特征与所述水平边的相对位置，从所述水平边中确定所述目标车辆的车底边。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆的车底特征与所述水平边的相对位置，从所述水平边中确定所述目标车辆的车底边，包括：

确定所述车底特征的边界；

根据所述车底特征的边界与各个所述水平边的距离，为各个所述水平边确定分值；

将所述分值大于或等于预设值的水平边作为所述目标车辆的车底边。

3.根据权利要求1所述的方法，其特征在于，在所述待识别图像中识别所述目标车辆上的车底阴影，包括：

根据所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车底阴影区域；

在所述待识别图像中识别所述目标车辆上的车轮，包括：

根据所述待识别图像中的像素点的像素值以及所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车轮区域。

4.根据权利要求1-3任意一项所述的方法，其特征在于，所述方法还包括：

根据所述目标车辆的车底边在所述待识别图像中的位置，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。

5.根据权利要求1-3任意一项所述的方法，其特征在于，所述方法还包括：

在所述待识别图像中识别所述目标车辆上的竖直线；

根据所述目标车辆的车底边端点特征以及所述目标车辆的对称性特征，从所述竖直线中确定所述目标车辆的竖直边界线，所述竖直边界线包括左边界线和/或右边界线；

根据所述车底边和所述竖直边界线，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。

6.一种图像识别装置，其特征在于，所述装置包括：

图像获取单元，用于获取包括目标车辆的待识别图像；

水平边获取单元，用于在所述待识别图像中识别所述目标车辆上的水平边；

特征获取单元，用于在所述待识别图像中识别所述目标车辆上的车底特征，所述车底特征包括车底阴影和/或车轮；

车底边确定单元，用于根据所述目标车辆的车底特征与所述水平边的相对位置，从所述水平边中确定所述目标车辆的车底边。

7.根据权利要求6所述的装置，其特征在于，所述车底边确定单元，包括：

上边界确定单元，用于确定所述车底特征的边界；

分值确定单元，用于根据所述车底特征的边界与各个所述水平边的距离，为各个所述水平边确定分值；

车底边确定子单元，用于将所述分值大于或等于预设值的水平边作为所述目标车辆的车底边。

8.根据权利要求6所述的装置，其特征在于，所述特征获取单元具体用于：

根据所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车底阴影区域；和/或，

根据所述待识别图像中的像素点的像素值以及所述待识别图像中的像素点的像素梯度值，确定所述目标车辆的车轮区域。

9.根据权利要求6-8任意一项所述的装置，其特征在于，所述装置还包括：

第一位置计算单元，用于根据所述目标车辆的车底边在所述待识别图像中的位置，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。

10.根据权利要求6-8任意一项所述的装置，其特征在于，所述装置还包括：

竖直线获取单元，用于在所述待识别图像中识别所述目标车辆上的竖直线；

竖直边界线确定单元，用于根据所述目标车辆的车底边端点特征以及所述目标车辆的对称性特征，从所述竖直线中确定所述目标车辆的竖直边界线，所述竖直边界线包括左边界线和/或右边界线；

第二位置计算单元，用于根据所述车底边和所述竖直边界线，计算所述目标车辆与获取所述待识别图像的图像获取设备的相对位置。