CN110321854A - 用于检测目标对象的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于检测目标对象的方法和装置。该方法的一具体实施方式包括：获取当前驾驶场景的图像；对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出当前驾驶场景的图像中的目标对象的位置作为目标位置；基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率；响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染。该实施方式实现了目标对象检测的准确率的提升。

Description

用于检测目标对象的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及图像处理领域，尤其涉及用于检测目标对象的方法和装置。

背景技术

在车辆驾驶辅助技术中，基于驾驶场景图像的目标检测是一个重要的环节，目标检测的结果直接影响到导航的准确性。尤其在AR(Augmented Reality，增强现实)导航中，如果AR虚像无法准确地与路面标志或引导线重合，就无法准确地指引驾驶员依照导航路线行驶，导航出现偏差。

发明内容

本公开的实施例提出了用于检测目标对象的方法和装置。

第一方面，本公开的实施例提供了一种用于检测目标对象的方法，该方法包括：获取当前驾驶场景的图像；对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出当前驾驶场景的图像中的目标对象的位置作为目标位置；基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率；响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染。

在一些实施例中，预设的各类别目标对象在驾驶场景图像中出现位置的概率分布是按照如下方式确定的：获取图像数据集，其中，图像数据集包括驾驶场景图像；将图像数据集中的驾驶场景图像划分为多个分区；统计各类别的目标对象在驾驶场景图像的各分区中出现的次数以及各类别的目标对象在驾驶场景图像中出现的总次数；基于各类别的目标对象在驾驶场景图像的各分区中出现的次数以及目标对象在驾驶场景图像中出现的总次数，确定各类别的目标对象在驾驶场景图像的各分区出现的概率分布。

在一些实施例中，基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率，包括：基于目标类别的目标对象在驾驶场景图像的各分区出现的概率分布，确定目标类别的目标对象在目标位置所属分区出现的概率。

在一些实施例中，确定出当前驾驶场景的图像中的目标对象的位置作为目标位置，包括：将当前驾驶场景的图像中目标对象的中心点的位置坐标作为目标对象的位置。

在一些实施例中，当前驾驶场景的图像中的目标对象的位置包括目标对象的矩形包围盒的位置坐标；基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率，包括：响应于确定当前驾驶场景的图像中的目标对象的矩形包围盒与当前驾驶场景的图像多个分区相交，基于目标类别的目标对象在与目标对象的矩形包围盒相交的各分区出现的概率确定目标对象在目标位置出现的概率。

第二方面，本公开的实施例提供了一种用于检测目标对象的装置，该装置包括：获取单元，被配置为获取当前驾驶场景的图像；第一确定单元，被配置为对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出当前驾驶场景的图像中的目标对象的位置作为目标位置；第二确定单元，被配置为基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率；渲染单元，被配置为响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染。

在一些实施例中，预设的各类别目标对象在驾驶场景图像中出现位置的概率分布是按照如下方式确定的：获取图像数据集，其中，图像数据集包括驾驶场景图像；将图像数据集中的驾驶场景图像划分为多个分区；统计各类别的目标对象在驾驶场景图像的各分区中出现的次数以及各类别的目标对象在驾驶场景图像中出现的总次数；基于各类别的目标对象在驾驶场景图像的各分区中出现的次数以及目标对象在驾驶场景图像中出现的总次数，确定各类别的目标对象在驾驶场景图像的各分区出现的概率分布。

在一些实施例中，第二确定单元进一步被配置为按照如下方式确定目标类别的目标对象在目标位置出现的概率；基于目标类别的目标对象在驾驶场景图像的各分区出现的概率分布，确定目标类别的目标对象在目标位置所属分区出现的概率。

在一些实施例中，第一确定单元进一步被配置为按照如下方式确定出当前驾驶场景的图像中的目标对象的位置：将当前驾驶场景的图像中目标对象的中心点的位置坐标作为目标对象的位置。

在一些实施例中，当前驾驶场景的图像中的目标对象的位置包括目标对象的矩形包围盒的位置坐标；第二确定单元进一步被配置为按照如下方式确定目标类别的目标对象在目标位置出现的概率；响应于确定当前驾驶场景的图像中的目标对象的矩形包围盒与当前驾驶场景的图像多个分区相交，基于目标类别的目标对象在与目标对象的矩形包围盒相交的各分区出现的概率确定目标对象在目标位置出现的概率。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面提供的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面提供的方法。

本公开的实施例提供的用于检测目标对象的方法和装置，通过获取当前驾驶场景的图像，对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别以及当前驾驶场景的图像中的目标对象的位置作为目标位置，而后基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率。最后响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染，实现了目标对象检测的准确率的提升，能够在驾驶场景图像中准确地对目标对象进行增强现实渲染，应用于导航中时提升了导航信息的可靠性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于检测目标对象的方法的一个实施例的流程图；

图3a是根据本公开的用于检测目标对象的方法的又一个实施例的流程图；

图3b是将上述驾驶场景图像划分成多个分区的示意图；

图4是根据本公开的实施例的用于检测目标对象的方法的一个应用场景的示意图；

图5是根据本公开的用于检测目标对象的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于检测目标对象的方法或用于检测目标对象的装置的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如地图导航客户端、网页浏览器应用搜索类应用、即时通信工具等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的电子设备。终端设备101、102、103还可以设有用于显示图像的显示屏等显示装置，包括但不限于智能手机、平板电脑、电子书阅读器、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、导航仪等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103上显示应用的操作界面提供支持的后台服务器。后台服务器可以接收终端设备101、102、103发送的当前驾驶场景的图像，对当前驾驶场景的图像进行目标识别以及图像处理等操作，并将处理结果反馈给终端设备。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的实施例所提供的用于检测目标对象的方法一般由服务器105执行，相应地，用于检测目标对象的装置一般设置于服务器105中。在一些场景中，用于检测目标对象的方法也可以由终端设备101、102、103执行，相应地，用于检测目标对象的装置也可以设置于终端设备101、102、103中。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的用于检测目标对象的方法的一个实施例的流程200。该用于检测目标对象方法包括以下步骤：

步骤201，获取当前驾驶场景的图像。

在本实施例中，用于检测目标对象的方法的执行主体(如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取当前驾驶场景的图像。

具体的，上述执行主体可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的当前驾驶场景的图像。

在这里，当前驾驶场景的图像可以是当前行驶位置前方的行车场景的图像，可以由车载摄像头采集得到，包含行人、车辆、交通标志等目标物体。

步骤202，对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出当前驾驶场景的图像中的目标对象的位置作为目标位置。

上述执行主体可以通过目标检测算法对当前驾驶场景的图像进行目标对象的检测，进而得到目标对象以及目标对象所在的位置区域。

在这里，上述执行主体可以例如基于深度学习目标检测算法YOLO(You Only LookOnce)对当前驾驶场景的图像进行目标对象的检测，也可以例如基于目标检测算法SSD(Single Shot MultiBox Detector)对当前驾驶场景的图像进行目标对象的检测。目标对象可以是根据实际的应用需求，预先指定的任意对象。例如，上述目标对象可以例如是道路标志线、车辆、行人、信号灯或指示牌，在这里，每一种目标对象的类别各不相同，例如道路标志线、车辆、行人、信号灯和指示牌分别是不同类别的目标对象。

上述执行主体可以采用多种方法来进行目标检测和分类。在一种示例性的实现方式中，可以根据目标对象的形状特征来检测出目标对象的位置并确定其类别，例如根据人体、车辆、信号灯、道路标志牌等的形状特征分别检测出目标对象所属的行人、车辆、信号灯、道路标志牌等类别。在另一个示例性的实现方式中，可以采用已训练的目标检测模型对当前驾驶场景的图像进行目标检测，其中，目标检测模型可以基于大量具有标注信息的样本驾驶场景图像训练得出。

可选地，上述目标位置可以用目标对象在当前驾驶场景的图像中的矩形包围盒的位置坐标来表示。例如，可以采用包含位置坐标和类别信息的五元坐标组(c，a，b，w，h)来表示目标对象在当前驾驶场景的图像中的位置和类别，其中，c表示目标对象所属的类别，a表示矩形包围框的某顶点的横坐标，b表示矩形包围框的某顶点的纵坐标，w表示矩形包围框的宽度，h表示矩形包围框的高度。

或者，可选地，上述目标位置可以用目标对象在当前驾驶场景的图像中的中心点的位置坐标来表示。

步骤203，基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率。

在本实施例中，上述概率分布可以是各目标类别的目标对象出现在不同位置的概率统计结果。上述执行主体可以创建出各类别的目标对象出现在各位置的概率的对应关系的对应关系表，依据上述对应关系表中各类别的目标对象在各目标位置的概率确定出各类别的目标对象在驾驶场景图像中出现位置的概率分布。该对应关系表中目标对象出现在对应位置的概率可以通过预先构建的概率统计模型计算得出。

步骤204，响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染。

在本实施例中，响应于满足预定条件：目标对象在目标位置出现的概率超过预设的阈值，上述执行主体将该目标对象呈现在当前驾驶场景中增强现实图像中。预设的阈值可以根据用户的需求进行设定，也可以根据目标对象的类别进行设定。上述执行主体可以将各类别的目标对象在目标位置出现的概率的预设阈值设定为30％。例如，当前驾驶场景的图像中车辆出现在目标位置的概率超过30％时，对目标对象进行增强现实渲染。

可以按照如下方式对当前驾驶场景的图像中的目标对象进行增强现实渲染：在当前驾驶场景的图像中目标对象的位置处叠加悬浮窗口，并在该悬浮窗口呈现目标对象的类别和其他信息；或者，可以创建一个图层，在图层中创建与当前驾驶场景的图像中的目标对象的轮廓相重叠的对象，设置该对象的显示参数，并将创建的图层叠加在当前驾驶场景的图像上，使得当前驾驶场景的图像中的目标对象高亮显示。

上述用于检测目标对象的方法，首先获取当前驾驶场景的图像，对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出当前驾驶场景的图像中的目标对象的位置作为目标位置。然后，基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率。最后，响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染。该方法实现了将目标对象准确的在当前驾驶场景的图像中进行增强现实渲染，应用于导航中时提升了导航信息的可靠性。

继续参见图3，图3是根据本公开的用于检测目标对象的方法的又一个实施例的流程图。该用于检测目标对象的方法的流程300，包括以下步骤：

步骤301，获取当前驾驶场景的图像。

步骤302，对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出当前驾驶场景的图像中的目标对象的位置作为目标位置。

在本实施例中，上述步骤301、步骤302分别与前述实施例中的步骤201、步骤202一致，上文针对步骤201、步骤202的描述也适用于步骤301、步骤302，此处不再赘述。

在本实施例的一些可选的实现方式中，确定出当前驾驶场景的图像中的目标对象的位置作为目标位置，包括：将当前驾驶场景的图像中目标对象的中心点的位置坐标作为目标对象的位置。

在该实现方式中，目标对象的位置可以用目标对象在驾驶场景的图像的中心点的位置坐标来表征。上述执行主体可以根据目标图像在当前驾驶场景的图像中所占区域中心点的位置坐标作为目标对象的位置。

步骤303，基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率。

在本实施例中，上述执行主体可以通过以下步骤确定预设的各类别目标对象在驾驶场景图像中出现位置的概率分布：

步骤3031：获取图像数据集，其中，图像数据集包括驾驶场景图像。

在该可选方式中，图像数据集可以包括驾驶场景图像。上述执行主体可以获取预先存储在本地的驾驶场景图像，也可以从与之通信连接的电子设备中存储的历史驾驶场景图像。

步骤3032：将图像数据集中的驾驶场景图像划分为多个分区。

在该可选方式中，上述执行主体可以按照预设的划分方法将该驾驶场景图像划分成多个分区。例如，上述执行主体可以将该驾驶场景图像划分成N个(N为大于1的整数)不重叠的同尺寸的分区。例如，上述执行主体可以将驾驶场景图像等分为m*n个小矩形区域。

图3b是将上述驾驶场景图像划分成多个分区的示意图。如图3所示，上述执行主体可以对驾驶场景图进行4乘4的区域划分，用x＝1，y＝1表示第一行第一个分区的矩形区域，该矩形区域的位置表示为(1，1)；第一行第二个分区的矩形区域的位置表示为(1，2)；依次用这种方法来表示各分区在整个驾驶场景图的位置。

步骤3033：统计各类别的目标对象在驾驶场景图像的各分区中出现的次数以及各类别的目标对象在驾驶场景图像中出现的总次数。

在该可选方式中，上述执行主体可以采用数学统计的方法得出各类别目标对象出现在各分区的次数以及在驾驶场景图像中出现的总次数。例如，目标类别为行人的在位置坐标(1，1)分区出现的次数为5次，在第二个分区出现的次数为10次，以此类推得到行人在各个分区出现的次数，进而得出在驾驶场景图像中出现的总次数。

步骤3034：基于各类别的目标对象在驾驶场景图像的各分区中出现的次数以及目标对象在驾驶场景图像中出现的总次数，确定各类别的目标对象在驾驶场景图像的各分区出现的概率分布。

在该可选方式中，上述执行主体可以在第三步统计出各类别的目标对象在驾驶场景图像的各分区中出现的次数以及目标对象在驾驶场景图像中出现的总次数，计算出各类别的目标对象在驾驶场景图像的各分区出现的概率。其中，类别为c的目标对象在驾驶场景图像中位置坐标为(x,y)的分区中出现的次数为N(c,x,y)，类别为c的目标对象在在驾驶场景图像中出现的总次数为N_c，可以计算出类别为c的目标对象在驾驶场景图像的(x,y)的分区分区出现的概率P(c)为：

在本实施例的一些可选的实现方式中，上述执行主体可以基于目标类别的目标对象在驾驶场景图像的各分区出现的概率分布，确定目标类别的目标对象在目标位置所属分区出现的概率。

在该可选方式中，上述执行主体将驾驶场景图像划分为多个分区的基础上，可以基于目标类别的目标对象在驾驶场景图像的各分区出现的概率分布，确定目标类别的目标对象在目标位置所属分区出现的概率。该实现方式以目标对象在目标位置所属分区为单元来确定目标对象的出现的概率，可以提高统计目标对象出现的效率。

在本实施例的一些可选的实现方式中，当前驾驶场景的图像中的目标对象的位置包括目标对象的矩形包围盒的位置坐标；上述执行主体可以响应于确定当前驾驶场景的图像中的目标对象的矩形包围盒与当前驾驶场景的图像多个分区相交，基于目标类别的目标对象在与目标对象的矩形包围盒相交的各分区出现的概率确定目标对象在目标位置出现的概率。

在该可选方式中，当目标对象的矩形包围盒与当前驾驶场景的图像多个分区相交时，上述执行主体计算该目标对象出现在相交的各分区的概率，进而计算该目标对象出现在相交的各分区的概率的平均值。例如，该目标对象出现在位置坐标为(1，2)的分区、位置坐标为(1，3)的分区、位置坐标为(2，2)的分区，该目标对象出现在位置坐标为(1，2)的分区的概率是20％、出现在位置坐标为(1，3)的分区的概率是30％、出现在位置坐标为(2，2)的分区的概率是16％、，则该目标对象在目标位置出现的概率为20％、30％、16％的平均数：22％。该实现方式通过计算该目标对象出现在相交的各分区的概率的平均值，可以更加准确的确定出目标对象在目标位置的概率。

步骤304，响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染。

在本实施例中，上述步骤304与前述实施例中的步骤204一致，上文针对步骤204的描述也适用于步骤304，此处不再赘述。

从图3中可以看出，与图2对应的实施例相比，本实施例中的用于检测目标对象的方法的流程300体现了预设的各类别目标对象在驾驶场景图像中出现位置的概率分布是如何确定的步骤。由此，本实施例描述的方案可以基于预先统计的概率分布，实现了提高目标对象检测的正确率。

进一步参考图4，图4是根据本公开的实施例的用于检测目标对象的方法的一个应用场景的示意图。在图4的应用场景中，将车载前置摄像头拍摄到的当前驾驶场景的图像输入至目标检测模型，得到包括目标对象的矩形包围盒，例如图4中当前驾驶场景图像401中检测出多个车辆，各车辆在图像中的位置由其矩形包围盒表示。从预设的各类别的目标对象在驾驶场景的图像中出现位置的概率分布402中确定出车辆在其对应的矩形包围盒所表示的位置上出现的概率值。当概率值超过预设阈值时，对图像中的车辆进行增强现实渲染。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了用于检测目标对象的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的用于检测目标对象的装置500包括：获取单元501，被配置为获取当前驾驶场景的图像；第一确定单元502，被配置为对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出当前驾驶场景的图像中的目标对象的位置作为目标位置；第二确定单元503，被配置为基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率；渲染单元504，被配置为响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染。

在本实施例中，用于检测目标对象的装置500中：获取单元501、第一确定单元502、第二确定单元503和渲染单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，预设的各类别目标对象在驾驶场景图像中出现位置的概率分布是按照如下方式确定的：获取图像数据集，其中，图像数据集包括驾驶场景图像；将图像数据集中的驾驶场景图像划分为多个分区；统计各类别的目标对象在驾驶场景图像的各分区中出现的次数以及各类别的目标对象在驾驶场景图像中出现的总次数；基于各类别的目标对象在驾驶场景图像的各分区中出现的次数以及目标对象在驾驶场景图像中出现的总次数，确定各类别的目标对象在驾驶场景图像的各分区出现的概率分布。

在本实施例的一些可选的实现方式中，第二确定单元503进一步被配置为按照如下方式确定目标类别的目标对象在目标位置出现的概率；基于目标类别的目标对象在驾驶场景图像的各分区出现的概率分布，确定目标类别的目标对象在目标位置所属分区出现的概率。

在本实施例的一些可选的实现方式中，第一确定单元502进一步被配置为按照如下方式确定出当前驾驶场景的图像中的目标对象的位置：将当前驾驶场景的图像中目标对象的中心点的位置坐标作为目标对象的位置。

在本实施例的一些可选的实现方式中，当前驾驶场景的图像中的目标对象的位置包括目标对象的矩形包围盒的位置坐标；第二确定单元503进一步被配置为按照如下方式确定目标类别的目标对象在目标位置出现的概率；响应于确定当前驾驶场景的图像中的目标对象的矩形包围盒与当前驾驶场景的图像多个分区相交，基于目标类别的目标对象在与目标对象的矩形包围盒相交的各分区出现的概率确定目标对象在目标位置出现的概率。

本公开的上述实施例提供的装置，通过获取单元501获取当前驾驶场景的图像，第一确定单元502对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出当前驾驶场景的图像中的目标对象的位置作为目标位置。第二确定单元503基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率。渲染单元504响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染。该装置实现了将目标对象准确的在当前驾驶场景的图像中进行增强现实渲染，应用于导航中时提升了导航信息的可靠性。

下面参考图6，下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD，LiquidCrystal Display)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(Radio Frequency，射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取当前驾驶场景的图像；对当前驾驶场景的图像进行目标对象检测，确定出当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出当前驾驶场景的图像中的目标对象的位置作为目标位置；基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定目标类别的目标对象在目标位置出现的概率；响应于确定目标类别的目标对象在目标位置出现的概率超过预设的阈值，对检测出的当前驾驶场景的图像中的目标对象进行增强现实渲染。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括获取单元、第一确定单元、第二确定单元和渲染单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取当前驾驶场景的图像的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于检测目标对象的方法，包括：

获取当前驾驶场景的图像；

对所述当前驾驶场景的图像进行目标对象检测，确定出所述当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出所述当前驾驶场景的图像中的目标对象的位置作为目标位置；

基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定所述目标类别的目标对象在所述目标位置出现的概率；

响应于确定所述目标类别的目标对象在所述目标位置出现的概率超过预设的阈值，对检测出的所述当前驾驶场景的图像中的目标对象进行增强现实渲染。

2.根据权利要求1所述的方法，其中，所述预设的各类别目标对象在驾驶场景图像中出现位置的概率分布是按照如下方式确定的：

获取图像数据集，其中，所述图像数据集包括驾驶场景图像；

将所述图像数据集中的驾驶场景图像划分为多个分区；

统计各类别的目标对象在驾驶场景图像的各分区中出现的次数以及各类别的目标对象在驾驶场景图像中出现的总次数；

基于各类别的目标对象在所述驾驶场景图像的各分区中出现的次数以及所述目标对象在所述驾驶场景图像中出现的总次数，确定各类别的目标对象在所述驾驶场景图像的各分区出现的概率分布。

3.根据权利要求2所述的方法，其中，所述基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定所述目标类别的目标对象在所述目标位置出现的概率，包括：

基于目标类别的目标对象在所述驾驶场景图像的各分区出现的概率分布，确定所述目标类别的目标对象在所述目标位置所属分区出现的概率。

4.根据权利要求2或3所述的方法，其中，所述确定出所述当前驾驶场景的图像中的目标对象的位置作为目标位置，包括：

将所述当前驾驶场景的图像中所述目标对象的中心点的位置坐标作为目标对象的位置。

5.根据权利要求2或3所述的方法，其中，所述当前驾驶场景的图像中的目标对象的位置包括所述目标对象的矩形包围盒的位置坐标；

所述基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定所述目标类别的目标对象在所述目标位置出现的概率，包括：

响应于确定所述当前驾驶场景的图像中的目标对象的矩形包围盒与当前驾驶场景的图像多个分区相交，基于所述目标类别的目标对象在与目标对象的矩形包围盒相交的各分区出现的概率确定所述目标对象在所述目标位置出现的概率。

6.一种用于检测目标对象的装置，包括：

获取单元，被配置为获取当前驾驶场景的图像；

第一确定单元，被配置为对所述当前驾驶场景的图像进行目标对象检测，确定出所述当前驾驶场景的图像中的目标对象的类别作为目标类别，以及确定出所述当前驾驶场景的图像中的目标对象的位置作为目标位置；

第二确定单元，被配置为基于预设的各类别目标对象在驾驶场景图像中出现位置的概率分布，确定所述目标类别的目标对象在所述目标位置出现的概率；

渲染单元，被配置为响应于确定所述目标类别的目标对象在所述目标位置出现的概率超过预设的阈值，对检测出的所述当前驾驶场景的图像中的目标对象进行增强现实渲染。

7.根据权利要求6所述的装置，其中，所述预设的各类别目标对象在驾驶场景图像中出现位置的概率分布是按照如下方式确定的：

获取图像数据集，其中，所述图像数据集包括驾驶场景图像；

将所述图像数据集中的驾驶场景图像划分为多个分区；

统计各类别的目标对象在驾驶场景图像的各分区中出现的次数以及各类别的目标对象在驾驶场景图像中出现的总次数；

基于各类别的目标对象在所述驾驶场景图像的各分区中出现的次数以及所述目标对象在所述驾驶场景图像中出现的总次数，确定各类别的目标对象在所述驾驶场景图像的各分区出现的概率分布。

8.根据权利要求7所述的装置，其中，所述第二确定单元进一步被配置为按照如下方式确定所述目标类别的目标对象在所述目标位置出现的概率；

基于目标类别的目标对象在所述驾驶场景图像的各分区出现的概率分布，确定所述目标类别的目标对象在所述目标位置所属分区出现的概率。

9.根据权利要求7或8所述的装置，其中，所述第一确定单元进一步被配置为按照如下方式确定出所述当前驾驶场景的图像中的目标对象的位置：

将所述当前驾驶场景的图像中所述目标对象的中心点的位置坐标作为目标对象的位置。

10.根据权利要求7或8所述的装置，其中，所述当前驾驶场景的图像中的目标对象的位置包括所述目标对象的矩形包围盒的位置坐标；

所述第二确定单元进一步被配置为按照如下方式确定所述目标类别的目标对象在所述目标位置出现的概率；

响应于确定所述当前驾驶场景的图像中的目标对象的矩形包围盒与当前驾驶场景的图像多个分区相交，基于所述目标类别的目标对象在与目标对象的矩形包围盒相交的各分区出现的概率确定所述目标对象在所述目标位置出现的概率。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。