CN112560726B - 目标检测置信度确定方法、路侧设备及云控平台 - Google Patents

目标检测置信度确定方法、路侧设备及云控平台 Download PDF

Info

Publication number
CN112560726B
CN112560726B CN202011527234.3A CN202011527234A CN112560726B CN 112560726 B CN112560726 B CN 112560726B CN 202011527234 A CN202011527234 A CN 202011527234A CN 112560726 B CN112560726 B CN 112560726B
Authority
CN
China
Prior art keywords
processed
image
target
height
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011527234.3A
Other languages
English (en)
Other versions
CN112560726A (zh
Inventor
孟浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Apollo Intelligent Connectivity Beijing Technology Co Ltd filed Critical Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority to CN202011527234.3A priority Critical patent/CN112560726B/zh
Publication of CN112560726A publication Critical patent/CN112560726A/zh
Priority to KR1020210088443A priority patent/KR20210092705A/ko
Priority to KR1020210138653A priority patent/KR102604426B1/ko
Priority to EP21203423.5A priority patent/EP3923187A3/en
Priority to JP2021171206A priority patent/JP7263478B2/ja
Priority to US17/507,710 priority patent/US20220157061A1/en
Application granted granted Critical
Publication of CN112560726B publication Critical patent/CN112560726B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了目标检测置信度确定方法及装置，涉及智能交通技术领域。具体实现方案为：针对于待处理视频中的每一帧待处理图像，从该待处理图像所包括的各目标对象一一对应的检测框中，确定出处于该待处理图像最高处的目标检测框在该待处理图像中所处的高度；响应于确定该待处理图像中目标检测框所处的高度，不低于待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度。本方案提供了一种简单的置信度确定方法，可以快速地确定待处理图像对应的检测结果的置信度。

Description

目标检测置信度确定方法、路侧设备及云控平台
技术领域
本公开涉及计算机技术领域，具体涉及智能交通技术，为一种目标检测置信度确定方法、装置、电子设备、存储介质、路侧设备、云控平台以及计算机程序产品。
背景技术
在国家大力推行的新基建建设的过程中，基于相机的障碍物感知算法扮演着重要的作用。其中，基于人工智能深度学习模型的障碍物感知算法取得的长足的发展。在异常工况(例如雨、雪、雾、夜、视频流中断等)时，感知模型对障碍物的召回率和准确率都会有一定程度的下降。
发明内容
本公开提供了一种目标检测置信度确定方法、装置、电子设备、存储介质、路侧设备、云控平台以及计算机程序产品。
根据第一方面，本公开提供了一种目标检测置信度确定方法，包括：针对于待处理视频中的每一帧待处理图像，从该待处理图像所包括的各目标对象一一对应的检测框中，确定出处于该待处理图像最高处的目标检测框在该待处理图像中所处的高度；响应于确定该待处理图像中目标检测框所处的高度，不低于待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度。
根据第二方面，本公开提供了一种目标检测置信度确定装置，包括：高度确定单元，被配置成针对于待处理视频中的每一帧待处理图像，从该待处理图像所包括的各目标对象一一对应的检测框中，确定出处于该待处理图像最高处的目标检测框在该待处理图像中所处的高度；置信度确定单元，被配置成响应于确定该待处理图像中目标检测框所处的高度，不低于待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度。
根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述第一方面中任一项的方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行上述第一方面中任一项的方法。
根据第五方面，提供了一种路侧设备，包括如第三方面的电子设备。
根据第六方面，提供了一种云控平台，包括如第三方面的电子设备。
根据第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现第一方面任一项的方法。
根据本公开的技术，根据该待处理图像中目标检测框所处的高度，确定该待处理图像的置信度，从而提供了一种简单的目标检测置信度确定方法，可以快速地确定针对待处理图像中的检测框的检测结果的置信度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
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是根据本公开的目标检测置信度确定方法的一个实施例的流程图；
图3是根据本公开的目标检测置信度确定方法的一个应用场景的示意图；
图4是根据本公开的目标检测置信度确定方法的又一个实施例的流程图；
图5是根据本公开的目标检测置信度确定装置协同配合的一个实施例的流程图；
图6是适于用来实现本公开的实施例的电子设备/终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本公开的目标检测置信度确定方法及装置的示例性架构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可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时，其可以是支持网络连接，信息获取、交互、显示、处理等功能的各种电子设备，包括但不限于摄像头、智能手机、平板电脑、车载电脑、膝上型便携计算机和台式计算机等等。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。
服务器105可以是提供各种服务的服务器，例如接收终端设备101、102、103摄取的待处理视频，确定针对待处理视频中的待处理图像中的检测框的检测结果的置信度的后台处理服务器。例如，后台处理服务器根据当前待处理图像中目标检测框所处的高度，确定针对待处理图像中的检测框的检测结果的置信度。作为示例，服务器105可以是云端服务器。
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。
还需要说明的是，本公开的实施例所提供的目标检测置信度确定方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，目标检测置信度确定装置包括的各个部分(例如各个单元、各个模块)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。
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。当目标检测置信度确定方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括目标检测置信度确定方法运行于其上的电子设备(例如服务器或终端设备)。
继续参考图2，示出了目标检测置信度确定方法的一个实施例的流程200，包括以下步骤：
步骤201，针对于待处理视频中的每一帧待处理图像，从该待处理图像所包括的各目标对象一一对应的检测框中，确定出处于该待处理图像最高处的目标检测框在该待处理图像中所处的高度。
本实施例中，目标检测置信度确定方法的执行主体(例如图1中的服务器)可以通过有线连接方式或无线连接方式从远程，或从本地获取待处理视频。其中，待处理视频可以是视频获取装置所拍摄的、包括任意内容的视频。作为示例，待处理视频可以是监控摄像头拍摄的表征交通情况的视频。
针对于待处理视频中的每一帧待处理图像，上述执行主体可以确定该待处理图像中的各目标对象的检测框。其中，目标对象可以是待处理图像中所包括的所有可移动的目标物。作为示例，目标对象可以是待处理图像中包括的车辆、行人等对象。检测框用于表征该待处理图像中目标对象对应的区域。每一个目标对象对应于一个检测框信息。
作为示例，上述执行主体可以通过检测框识别模型确定待处理图像中的目标对象的检测框。其中，检测框识别模型用于表征待处理图像与目标对象的检测框的对应关系。检测框识别模型可以采用卷积神经网络、循环神经网络、残差神经网络等网络模型基于机器学习算法训练得到。
上述执行主体对比该待处理图像所包括所有目标对象的检测框，将处于该待处理图像最高处的检测框确定为目标检测框，并确定目标检测框在该待处理图像中所处的高度。其中，在确定目标对象的检测框在待处理图像中所处的高度时，以待处理图像的下边沿作为参照线。
本实施例中，上述执行主体可以将检测框中任意一点在待处理图像中的高度确定为检测框在待处理图像中所处的高度。作为示例，可以基于检测框的中心点或是最高点，确定检测框在待处理图像中所处的高度。
可以理解，待处理视频中的每一帧待处理图像的尺寸相同，因而，不同的待处理图像的目标检测框在待处理图像中所处的高处具有可比性。
步骤202，响应于确定该待处理图像中目标检测框所处的高度，不低于待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度。
本实施例中，上述执行主体可以响应于确定该待处理图像中目标检测框所处的高度，不低于待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度。
作为示例，该待处理图像中目标检测框所处的高度与针对该待处理图像中的检测框的检测结果的置信度呈正相关。当该待处理图像中目标检测框所处的高度越高，表明待处理视频的视频获取装置所能摄取的目标物的距离越远，该待处理图像对应的检测结果的置信度越高；当该待处理图像中目标检测框所处的高度越低，表明待处理视频的视频获取装置所能摄取的目标物的距离越近，该待处理图像对应的检测结果的置信度越低。
以视频获取装置为马路上的监控摄像头为例，监控摄像头一般分为前向摄像头和后向摄像头。其中，前向摄像头用于表征镜头朝向目标对象所表征的目标物驶去的方向的摄像头。在前向摄像头摄取的待处理视频中，目标对象一般从视频画面的下边沿进入，从视频画面的上边沿消失。后向摄像头用于表征镜头朝向目标对象所表征的目标物驶来的方向的摄像头。在后向摄像头摄取的待处理视频中，目标对象一般从视频画面的上边沿进入，从视频画面的下边沿消失。
可以理解，对应于前向摄像头，目标对象即将消失于待处理视频的视频画面时，目标对象所表征的目标物距离前向摄像头的距离越远。对应于后向摄像头，目标对象一开始进入待处理视频的视频画面时，目标对象所表征的目标物距离后向摄像头的距离越远。
进一步的，上述执行主体可以设定预设高度，并将该待处理图像中目标检测框所处的高度与预设高度的比值，确定为该待处理图像对应的检测结果的置信度，从而对待处理图像对应的检测结果的置信度进行量化。其中，预设高度可以是待处理视频的视频获取装置所能摄取的最远处的目标物所对应的目标对象的检测框在待处理图像中所处的高度。其中，目标对象用于表征现实中的目标物在待处理图像中的成像。
作为示例，该待处理图像为待处理视频的第100帧待处理图像，该待处理图像中目标检测框在该待处理图像中所处的高度，不低于前99帧待处理图像中目标检测框在待处理图像中所处的高度，则该待处理图像中目标检测框在该待处理图像中所处的高度与预设高度的比值确定为该待处理图像对应的检测结果的置信度。
继续参见图3，图3是根据本实施例的目标检测置信度确定方法的应用场景的一个示意图。在图3所示的应用场景中，摄像头301拍摄表征交通情况的待处理视频，并将待处理视频实时传输至服务器302。服务器302针对于待处理视频中的每一帧待处理图像，从该待处理图像所包括的各目标对象一一对应的检测框中，确定出处于该待处理图像最高处的目标检测框在该待处理图像中所处的高度；响应于确定该待处理图像中目标检测框所处的高度3021，不低于待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度3022，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度。
本实施例中，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度，从而提供了一种简单的目标检测置信度确定方法，可以快速地确定待处理图像对应的检测结果的置信度。
在本实施例的一些可选的实现方式中，上述执行主体将待处理图像自预设高度至下边沿被划分为第一数量个目标区域。作为示例，上述执行主体可以将待处理图像自预设高度至下边沿被平均划分为第一数量个目标区域。
上述执行主体可以响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度。
其中，预设状态用于表征截止到该待处理图像的第三数量帧待处理图像中存在待处理图像，其中的目标对象的检测框与目标区域存在交集。其中，第一数量、第二数量和第三数量可以根据实际情况具体设置。例如，第一数量可以设置为100，第二数量可以设置为1000，第三数量可以设置为20。
可以理解，若截止到该待处理图像，存在连续的第二数量帧待处理图像，第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，则表明该待处理图像可能存在检测结果的置信度下降的情况。同时，为了避免该待处理图像中目标对象较少或者目标对象在该待处理图像中所处的高度均较低的情况下，基于该待处理图像中目标检测框所处的高度确定该待处理图像对应的检测结果的置信度的方式造成所确定的置信度不准确的情况，本实现方式将该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度。
以第一数量为100，第二数量为1000，第三数量为20为例，该待处理图像为待处理视频的第2000帧图像，通过前1000帧待处理图像所确定目标检测框的最大高度为A，第1001-2000帧待处理图像的目标检测框在待处理图像中所处的高度均低于A，则在该待处理图像中的100个目标区域中确定出状态信息为预设状态的目标区域。其中，针对于每一个为预设状态的目标区域，在截止到该待处理图像的20帧待处理图像中，存在至少一帧待处理图像，其中所包括的目标对象的检测框与该目标区域存在交集。
上述执行主体可以基于预设选取方式从所确定的、处于预设状态的目标区域中选取目标区域，将所选取的目标区域对应的置信度确定为针对该待处理图像中的检测框的检测结果的置信度。可以理解，上述执行主体可以预先对各目标区域设置所对应的置信度。其中，目标区域在该待处理图像中所处的高度与目标区域对应的置信度呈正相关。
在本实施例的一些可选的实现方式中，针对于该待处理图像中每一个处于预设状态的目标区域，上述执行主体可以从截止到该待处理图像的第四数量帧待处理图像中，确定出与目标区域存在交集的检测框在待处理图像中所处的平均高度；进而根据平均高度，确定针对该待处理图像中的检测框的检测结果的置信度。其中，平均高度与置信度呈正相关。第四数量可以根据实际情况具体设置。作为示例，第四数量可以与第三数量相同。
在本实施例的一些可选的实现方式中，上述执行主体在该待处理图像中为预设状态的目标区域中，确定出处于该待处理图像最高处的目标区域；将最高处的目标区域所对应的置信度，确定为针对该待处理图像中的检测框的检测结果的置信度。
可以理解，当视频获取装置获取第三数量帧待处理图像的时间较短(例如2秒钟)时，该段时间内发生异常工况的概率极小，可以忽略不计。因此，若在该待处理图像的第三数量帧待处理图像中，存在目标检测框在待处理图像中所处的高度较高的情况，也即，在该待处理图像的第三数量帧待处理图像中，存在检测结果的置信度较高的待处理图像，上述执行主体可以将检测结果的置信度较高的待处理图像对应的检测结果的置信度确定为针对该待处理图像中的检测框的检测结果的置信度。本实现方式中，目标区域中处于待处理图像最高处的目标区域，可以表征该段时间内待处理图像中最高的检测结果的置信度。
在本实施例的一些可选的实现方式中，上述执行主体响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，并且，该待处理图像中存在目标对象轨迹消失的情况，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度。
其中，目标对象轨迹消失表征截止到该待处理图像，目标对象移动出待处理视频的视频获取装置的摄取范围。本实现方式中，轨迹消失主要针对于前向摄像头，具体表现为目标对象从待处理视频的视频画面的下边沿进入，从视频画面的上边沿消失。
可以理解，当存在上述轨迹消失的情况时，表明视频获取装置在获取该待处理图像的短时间内，摄取到检测结果的置信度较高的待处理图像，从而进一步避免了该待处理图像中目标对象较少或者目标对象在该待处理图像中所处的高度均较低的情况下，基于该待处理图像中目标检测框所处的高度确定该待处理图像对应的检测结果的置信度的方式造成置信度不准确的情况。
在本实施例的一些可选的实现方式中，第一数量个目标区域中的每个目标区域的状态通过如下方式确定：
从该目标区域为非预设状态对应的待处理图像开始，响应于确定截止到当前待处理图像，存在对应于该目标区域的检测框的待处理图像的数量，与不存在对应于该目标区域的检测框的待处理图像的数量的差值大于预设阈值，判定当前待处理图像中的该目标区域为预设状态。
从该目标区域为预设状态对应的待处理图像开始，响应于确定截止到当前待处理图像，存在连续的第三数量帧待处理图像中不存在对应于该目标区域的检测框，判定当前待处理图像中的该目标区域为非预设状态。
作为示例，针对于第一数量个目标区域中的每个目标区域，上述执行主体通过预设变量M确定该目标区域的状态是否为预设状态。具体的，首先将M初始化为0(对应于非预设状态)。从待处理视频的第一帧待处理图像开始，响应于确定待处理图像中存在目标对象的检测框与该目标区域之间存在交集，则令M＝M+1；响应于确定待处理图像中不存在目标对象的检测框与该目标区域之间存在交集，则令M＝M-1，直到M达到预设阈值，该目标区域由非预设状态更新为预设状态。其中，预设阈值可以根据实际情况具体设置，作为示例，预设阈值为20。可以理解，在M变化的过程中，可能存在M重新变为0的情况，当M变为0之后，不再减小。
从该目标区域更新为预设状态后，若存在连续的第三数量帧待处理图像中均不存在检测框与该目标区域存在交集，则将M置0，该目标区域的状态由预设状态更新为非预设状态。通过本实现方式，可以准确地确定各目标区域对应的状态信息。
在本实施例的一些可选的实现方式中，上述执行主体还可以响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，并且该待处理图像中未检测到目标对象，确定包括目标对象且与该待处理图像最邻近的目标待处理图像；从目标待处理图像所包括的目标对象所对应的历史轨迹信息中，确定出处于待处理图像最高处的检测框；根据最高处的检测框在待处理图像中所处的高度与预设高度，确定针对该待处理图像中的检测框的检测结果的置信度。
本实现方式主要针对于视频获取装置为后向摄像头的情况。针对于后向摄像头，目标对象刚开始进入待处理视频的视频画面时，在待处理图中处于最大高度。通过本实现方式，当截止到该待处理图像，存在连续的第二数量帧待处理图像，第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，并且该待处理图像中未检测到目标对象时，为该待处理图像确定较高的置信度，提高了本申请的适用范围。
在本实施例的一些可选的实现方式中，上述执行主体响应于确定截止到该待处理图像，未存在连续的第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度的最大高度，将上一帧待处理图像对应的检测结果的置信度确定为该待处理图像对应的检测结果的置信度。可以理解，当未明确确定待处理图像对应的检测结果的置信度下降的情况下，沿用上一帧待处理图像较高的检测结果的置信度，提高了置信度确定的准确度。
在本实施例的一些可选的实现方式中，上述执行主体还可以将待处理视频以及每一帧待处理图像的置信度信息发送至对待处理视频进行后续操作的终端设备，以使得终端设备根据待处理视频以及每一帧待处理图像对应的检测结果的置信度信息进行相应操作。
继续参考图4，示出了根据本申请的目标检测置信度确定方法的另一个实施例的示意性流程400，包括以下步骤：
步骤401，针对于待处理视频中的每一帧待处理图像，从该待处理图像所包括的各目标对象一一对应的检测框中，确定出处于该待处理图像最高处的目标检测框在该待处理图像中所处的高度。
步骤402，响应于确定该待处理图像中目标检测框所处的高度，不低于待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度。
步骤403，响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度。
步骤404，响应于确定截止到该待处理图像，未存在连续的第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度的最大高度，将上一帧待处理图像对应的检测结果的置信度确定为该待处理图像对应的检测结果的置信度。
其中，预设状态用于表征截止到该待处理图像的第三数量帧待处理图像中所包括的目标对象的检测框与目标区域存在交集。
本实施例中，从图4中可以看出，与图2对应的实施例相比，本实施例中的目标检测置信度确定方法的流程400突出说明了各种情形下，待处理图像的对应的检测结果置信度的确定方式，从而扩展了针对于待处理图像对应的检测结果的置信度的确定方法的适用范围。
进一步参考图5，作为对上述图2所示方法的实现，本公开提供了一种目标检测置信度确定装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征，以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的目标检测置信度确定装置，包括：高度确定单元501，被配置成针对于待处理视频中的每一帧待处理图像，从该待处理图像所包括的各目标对象一一对应的检测框中，确定出处于该待处理图像最高处的目标检测框在该待处理图像中所处的高度；置信度确定单元502，被配置成响应于确定该待处理图像中目标检测框所处的高度，不低于待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度，根据该待处理图像中目标检测框所处的高度，确定该待处理图像的置信度。
在本实施例的一些可选的实现方式中，待处理图像自预设高度至下边沿被划分为第一数量个目标区域；置信度确定单元502，还被配置成：响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度，其中，预设状态用于表征截止到该待处理图像的第三数量帧待处理图像中所包括的目标对象的检测框与目标区域存在交集。
在本实施例的一些可选的实现方式中，置信度确定单元502，进一步被配置成：响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，并且，该待处理图像中存在目标对象轨迹消失的情况，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度，其中，目标对象轨迹消失表征截止到该待处理图像，目标对象移动出待处理视频的视频获取装置的摄取范围。
在本实施例的一些可选的实现方式中，置信度确定单元502，进一步被配置成：在该待处理图像中为预设状态的目标区域中，确定出处于该待处理图像最高处的目标区域；将最高处的目标区域所对应的置信度，确定为针对该待处理图像中的检测框的检测结果的置信度。
在本实施例的一些可选的实现方式中，第一数量个目标区域中的每个目标区域的状态通过如下方式确定：从该目标区域为非预设状态对应的待处理图像开始，响应于确定截止到当前待处理图像，存在对应于该目标区域的检测框的待处理图像的数量，与不存在对应于该目标区域的检测框的待处理图像的数量的差值大于预设阈值，判定当前待处理图像中的该目标区域为预设状态；从该目标区域为预设状态对应的待处理图像开始，响应于确定截止到当前待处理图像，存在连续的第三数量帧待处理图像中不存在对应于该目标区域的检测框，判定当前待处理图像中的该目标区域为非预设状态。
在本实施例的一些可选的实现方式中，置信度确定单元502，还被配置成：响应于确定截止到该待处理图像，未存在连续的第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度的最大高度，将上一帧待处理图像对应的检测结果的置信度确定为该待处理图像对应的检测结果的置信度。
在本实施例的一些可选的实现方式中，置信度确定单元502，还被配置成：响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，第二数量帧待处理图像中目标检测框所处的高度，低于截止到第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，并且该待处理图像中未检测到目标对象，确定包括目标对象且与该待处理图像最邻近的目标待处理图像；从目标待处理图像所包括的目标对象所对应的历史轨迹信息中，确定出处于待处理图像最高处的检测框；根据最高处的检测框在待处理图像中所处的高度与预设高度，确定针对该待处理图像中的检测框的检测结果的置信度。
本实施方式中，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度，从而提供了一种简单的目标检测置信度确定方法，可以快速地确定待处理图像对应的检测结果的置信度。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质、一种路侧设备、一种云控平台和一种计算机程序产品。
图6示出了可以用来实施本申请的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元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。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如目标检测置信度确定方法。例如，在一些实施例中，目标检测置信度确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的目标检测置信度确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行目标检测置信度确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。
路侧设备除了包括电子设备，还可以包括通信部件等，电子设备可以和通信部件一体集成，也可以分体设置。电子设备可以获取感知设备(如相机)的数据，例如图片和视频等，从而进行视频处理和数据计算。
云控平台在云端执行处理，云控平台包括的电子设备可以获取感知设备(如相机)的数据，例如图片和视频等，从而进行视频处理和数据计算；云控平台也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心系统等。
根据本申请实施例的技术方案，根据该待处理图像中目标检测框所处的高度，确定针对该待处理图像中的检测框的检测结果的置信度，从而提供了一种简单的置信度确定方法，可以快速地确定待处理图像对应的检测结果的置信度。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种目标检测置信度确定方法，包括：
针对于前向摄像头或后向摄像头获取的待处理视频中的每一帧待处理图像，从该待处理图像所包括的各目标对象一一对应的检测框中，确定出处于该待处理图像最高处的目标检测框在该待处理图像中所处的高度，其中，所述高度以待处理图像的下边沿为参照线确定；
响应于确定该待处理图像中目标检测框所处的高度，不低于所述待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度，根据该待处理图像中目标检测框所处的高度与预设高度的比值，确定针对该待处理图像中的检测框的检测结果的置信度，其中，所述预设高度是所述待处理视频的视频获取装置所能摄取的最远处的目标物所对应的目标对象的检测框在待处理图像中所处的高度。
2.根据权利要求1所述的方法，其中，待处理图像自预设高度至下边沿被划分为第一数量个目标区域；
所述方法还包括：
响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，所述第二数量帧待处理图像中目标检测框所处的高度，低于截止到所述第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度，其中，所述预设状态用于表征截止到该待处理图像的第三数量帧待处理图像中存在待处理图像，其中的目标对象的检测框与目标区域存在交集，预设各目标区域对应的置信度，目标区域在该待处理图像中所处的高度与目标区域对应的置信度呈正相关。
3.根据权利要求2所述的方法，其中，所述响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，所述第二数量帧待处理图像中目标检测框所处的高度，低于截止到所述第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度，包括：
响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，所述第二数量帧待处理图像中目标检测框所处的高度，低于截止到所述第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，并且，该待处理图像中存在目标对象轨迹消失的情况，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度，其中，所述目标对象轨迹消失表征截止到该待处理图像，目标对象移动出待处理视频的视频获取装置的摄取范围。
4.根据权利要求2或3所述的方法，其中，所述根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度，包括：
在该待处理图像中为预设状态的目标区域中，确定出处于该待处理图像最高处的目标区域；
将所述最高处的目标区域所对应的置信度，确定为针对该待处理图像中的检测框的检测结果的置信度。
5.根据权利要求2或3所述的方法，其中，所述第一数量个目标区域中的每个目标区域的状态通过如下方式确定：
从该目标区域为非预设状态对应的待处理图像开始，响应于确定截止到当前待处理图像，存在对应于该目标区域的检测框的待处理图像的数量，与不存在对应于该目标区域的检测框的待处理图像的数量的差值大于预设阈值，判定当前待处理图像中的该目标区域为所述预设状态；
从该目标区域为所述预设状态对应的待处理图像开始，响应于确定截止到当前待处理图像，存在连续的第三数量帧待处理图像中不存在对应于该目标区域的检测框，判定当前待处理图像中的该目标区域为非预设状态。
6.根据权利要求1所述的方法，其中，还包括：
响应于确定截止到该待处理图像，未存在连续的第二数量帧待处理图像中目标检测框所处的高度，低于截止到所述第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度的最大高度，将上一帧待处理图像对应的检测结果的置信度确定为该待处理图像对应的检测结果的置信度。
7.根据权利要求1所述的方法，其中，还包括：
响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，所述第二数量帧待处理图像中目标检测框所处的高度，低于截止到所述第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，并且该待处理图像中未检测到目标对象，确定包括目标对象且与该待处理图像最邻近的目标待处理图像；
从所述目标待处理图像所包括的目标对象所对应的历史轨迹信息中，确定出处于待处理图像最高处的检测框；
根据所述最高处的检测框在待处理图像中所处的高度与预设高度，确定针对该待处理图像中的检测框的检测结果的置信度。
8.一种目标检测置信度确定装置，包括：
高度确定单元，被配置成针对于前向摄像头或后向摄像头获取的待处理视频中的每一帧待处理图像，从该待处理图像所包括的各目标对象一一对应的检测框中，确定出处于该待处理图像最高处的目标检测框在该待处理图像中所处的高度，其中，所述高度以待处理图像的下边沿为参照线确定；
置信度确定单元，被配置成响应于确定该待处理图像中目标检测框所处的高度，不低于所述待处理视频中截止到该待处理图像前的所有待处理图像中目标检测框所处的高度，根据该待处理图像中目标检测框所处的高度与预设高度的比值，确定针对该待处理图像中的检测框的检测结果的置信度，其中，所述预设高度是所述待处理视频的视频获取装置所能摄取的最远处的目标物所对应的目标对象的检测框在待处理图像中所处的高度。
9.根据权利要求8所述的装置，其中，待处理图像自预设高度至下边沿被划分为第一数量个目标区域；
所述置信度确定单元，还被配置成：响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，所述第二数量帧待处理图像中目标检测框所处的高度，低于截止到所述第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度，其中，所述预设状态用于表征截止到该待处理图像的第三数量帧待处理图像中存在待处理图像，其中的目标对象的检测框与目标区域存在交集，预设各目标区域对应的置信度，目标区域在该待处理图像中所处的高度与目标区域对应的置信度呈正相关。
10.根据权利要求9所述的装置，其中，所述置信度确定单元，进一步被配置成：响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，所述第二数量帧待处理图像中目标检测框所处的高度，低于截止到所述第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，并且，该待处理图像中存在目标对象轨迹消失的情况，根据该待处理图像中为预设状态的目标区域所对应的置信度，确定针对该待处理图像中的检测框的检测结果的置信度，其中，所述目标对象轨迹消失表征截止到该待处理图像，目标对象移动出待处理视频的视频获取装置的摄取范围。
11.根据权利要求9或10所述的装置，其中，所述置信度确定单元，进一步被配置成：在该待处理图像中为预设状态的目标区域中，确定出处于该待处理图像最高处的目标区域；将所述最高处的目标区域所对应的置信度，确定为针对该待处理图像中的检测框的检测结果的置信度。
12.根据权利要求9或10所述的装置，其中，所述第一数量个目标区域中的每个目标区域的状态通过如下方式确定：从该目标区域为非预设状态对应的待处理图像开始，响应于确定截止到当前待处理图像，存在对应于该目标区域的检测框的待处理图像的数量，与不存在对应于该目标区域的检测框的待处理图像的数量的差值大于预设阈值，判定当前待处理图像中的该目标区域为所述预设状态；从该目标区域为所述预设状态对应的待处理图像开始，响应于确定截止到当前待处理图像，存在连续的第三数量帧待处理图像中不存在对应于该目标区域的检测框，判定当前待处理图像中的该目标区域为非预设状态。
13.根据权利要求8所述的装置，其中，所述置信度确定单元，还被配置成：响应于确定截止到该待处理图像，未存在连续的第二数量帧待处理图像中目标检测框所处的高度，低于截止到所述第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度的最大高度，将上一帧待处理图像对应的检测结果的置信度确定为该待处理图像对应的检测结果的置信度。
14.根据权利要求8所述的装置，其中，所述置信度确定单元，还被配置成：响应于确定截止到该待处理图像，存在连续的第二数量帧待处理图像，所述第二数量帧待处理图像中目标检测框所处的高度，低于截止到所述第二数量帧待处理图像前的所有待处理图像中目标检测框所处的高度中的最大高度，并且该待处理图像中未检测到目标对象，确定包括目标对象且与该待处理图像最邻近的目标待处理图像；从所述目标待处理图像所包括的目标对象所对应的历史轨迹信息中，确定出处于待处理图像最高处的检测框；根据所述最高处的检测框在待处理图像中所处的高度与预设高度，确定针对该待处理图像中的检测框的检测结果的置信度。
15.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
17.一种路侧设备，包括如权利要求15所述的电子设备。
18.一种云控平台，包括如权利要求15所述的电子设备。
CN202011527234.3A 2020-12-22 2020-12-22 目标检测置信度确定方法、路侧设备及云控平台 Active CN112560726B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN202011527234.3A CN112560726B (zh) 2020-12-22 2020-12-22 目标检测置信度确定方法、路侧设备及云控平台
KR1020210088443A KR20210092705A (ko) 2020-12-22 2021-07-06 목표 탐지 신뢰도를 결정하는 방법 및 장치, 전자 기기, 저장 매체, 노변 기기, 클라우드 제어 플랫폼, 컴퓨터 프로그램 제품
KR1020210138653A KR102604426B1 (ko) 2020-12-22 2021-10-18 목표 탐지 신뢰도를 결정하는 방법 및 장치, 전자 기기, 저장 매체, 노변 기기, 클라우드 제어 플랫폼, 컴퓨터 프로그램 제품
EP21203423.5A EP3923187A3 (en) 2020-12-22 2021-10-19 Method for ascertaining target detection confidence level, roadside device, and cloud control platform
JP2021171206A JP7263478B2 (ja) 2020-12-22 2021-10-19 ターゲット検出の信頼度を確定する方法、装置、電子機器、記憶媒体、路側機、クラウド制御プラットフォーム及びコンピュータプログラム
US17/507,710 US20220157061A1 (en) 2020-12-22 2021-10-21 Method for ascertaining target detection confidence level, roadside device, and cloud control platform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011527234.3A CN112560726B (zh) 2020-12-22 2020-12-22 目标检测置信度确定方法、路侧设备及云控平台

Publications (2)

Publication Number Publication Date
CN112560726A CN112560726A (zh) 2021-03-26
CN112560726B true CN112560726B (zh) 2023-08-29

Family

ID=75030757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011527234.3A Active CN112560726B (zh) 2020-12-22 2020-12-22 目标检测置信度确定方法、路侧设备及云控平台

Country Status (5)

Country Link
US (1) US20220157061A1 (zh)
EP (1) EP3923187A3 (zh)
JP (1) JP7263478B2 (zh)
KR (2) KR20210092705A (zh)
CN (1) CN112560726B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116563521B (zh) * 2023-04-14 2024-04-23 依未科技(北京)有限公司 目标检测的检测框处理方法及其装置、电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019100946A1 (zh) * 2017-11-22 2019-05-31 北京市商汤科技开发有限公司 用于物体检测的方法、装置和设备
CN109919072A (zh) * 2019-02-28 2019-06-21 桂林电子科技大学 基于深度学习和轨迹跟踪的精细车型识别与流量统计方法
WO2019203921A1 (en) * 2018-04-17 2019-10-24 Hrl Laboratories, Llc System for real-time object detection and recognition using both image and size features
CN110838112A (zh) * 2019-11-08 2020-02-25 上海电机学院 一种基于霍夫变换和YOLOv3网络的绝缘子缺损检测方法
CN111104925A (zh) * 2019-12-30 2020-05-05 上海商汤临港智能科技有限公司 图像处理方法、装置、存储介质和电子设备
CN111199230A (zh) * 2020-01-03 2020-05-26 腾讯科技（深圳）有限公司 目标检测的方法、装置、电子设备及计算机可读存储介质
CN111553282A (zh) * 2020-04-29 2020-08-18 北京百度网讯科技有限公司 用于检测车辆的方法和装置
CN111601013A (zh) * 2020-05-29 2020-08-28 北京百度网讯科技有限公司 用于处理视频帧的方法和装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5773206B2 (ja) * 2011-12-13 2015-09-02 アイシン・エィ・ダブリュ株式会社 標高信頼度判定システム、データ整備システム、走行支援システム、走行支援プログラム及び方法、データ整備プログラム及び方法、並びに標高信頼度判定プログラム及び方法
US9892326B2 (en) * 2016-03-31 2018-02-13 International Business Machines Corporation Object detection in crowded scenes using context-driven label propagation
US10699139B2 (en) * 2017-03-30 2020-06-30 Hrl Laboratories, Llc System for real-time object detection and recognition using both image and size features
US10402987B2 (en) * 2017-05-24 2019-09-03 Qualcomm Incorporated Methods and systems of determining object status for false positive removal in object tracking for video analytics
US20190130191A1 (en) * 2017-10-30 2019-05-02 Qualcomm Incorporated Bounding box smoothing for object tracking in a video analytics system
CN110163932A (zh) * 2018-07-12 2019-08-23 腾讯数码（天津）有限公司 图像处理方法、装置、计算机可读介质及电子设备
US11443522B2 (en) * 2018-11-30 2022-09-13 Qualcomm Incorporated Processing sensor information for object detection
CN112055327B (zh) * 2019-06-05 2022-09-16 华为技术有限公司 自动驾驶信息指示方法、自动驾驶信息获取方法、自动驾驶信息发送方法及装置
US20220083907A1 (en) * 2020-09-17 2022-03-17 Sap Se Data generation and annotation for machine learning

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019100946A1 (zh) * 2017-11-22 2019-05-31 北京市商汤科技开发有限公司 用于物体检测的方法、装置和设备
WO2019203921A1 (en) * 2018-04-17 2019-10-24 Hrl Laboratories, Llc System for real-time object detection and recognition using both image and size features
CN109919072A (zh) * 2019-02-28 2019-06-21 桂林电子科技大学 基于深度学习和轨迹跟踪的精细车型识别与流量统计方法
CN110838112A (zh) * 2019-11-08 2020-02-25 上海电机学院 一种基于霍夫变换和YOLOv3网络的绝缘子缺损检测方法
CN111104925A (zh) * 2019-12-30 2020-05-05 上海商汤临港智能科技有限公司 图像处理方法、装置、存储介质和电子设备
CN111199230A (zh) * 2020-01-03 2020-05-26 腾讯科技（深圳）有限公司 目标检测的方法、装置、电子设备及计算机可读存储介质
CN111553282A (zh) * 2020-04-29 2020-08-18 北京百度网讯科技有限公司 用于检测车辆的方法和装置
CN111601013A (zh) * 2020-05-29 2020-08-28 北京百度网讯科技有限公司 用于处理视频帧的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于深度学习的全天车辆检测;谷颀;《中国优秀硕士学位论文全文数据库 信息科技辑》(第（2018）06期);I138-1325 *

Also Published As

Publication number Publication date
EP3923187A2 (en) 2021-12-15
US20220157061A1 (en) 2022-05-19
KR102604426B1 (ko) 2023-11-22
EP3923187A3 (en) 2022-05-18
KR20210092705A (ko) 2021-07-26
CN112560726A (zh) 2021-03-26
JP7263478B2 (ja) 2023-04-24
KR20210133174A (ko) 2021-11-05
JP2022020673A (ja) 2022-02-01

Similar Documents

Publication Publication Date Title
US11538232B2 (en) Tracker assisted image capture
CN112597895B (zh) 基于偏移量检测的置信度确定方法、路侧设备及云控平台
CN112528927B (zh) 基于轨迹分析的置信度确定方法、路侧设备及云控平台
CN112560684B (zh) 车道线检测方法、装置、电子设备、存储介质以及车辆
JP2018508078A (ja) オブジェクト追跡のためのシステムおよび方法
CN113392794B (zh) 车辆跨线识别方法、装置、电子设备和存储介质
CN112488060B (zh) 目标检测方法、装置、设备和介质
CN113420682A (zh) 车路协同中目标检测方法、装置和路侧设备
KR20220075275A (ko) 카메라 가림 검출 방법, 장치, 기기, 저장 매체 및 프로그램
CN111191619B (zh) 车道线虚线段的检测方法、装置、设备和可读存储介质
CN113808162A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN112784797A (zh) 目标图像识别方法和装置
CN112560726B (zh) 目标检测置信度确定方法、路侧设备及云控平台
CN114037087B (zh) 模型训练方法及装置、深度预测方法及装置、设备和介质
JP2022120116A (ja) 交通信号灯の識別方法、装置、電子機器、記憶媒体、コンピュータプログラム、路側機器、クラウド制御プラットフォーム及び車両道路協同システム
CN113344906B (zh) 车路协同中相机评估方法、装置、路侧设备和云控平台
CN112489450B (zh) 交通路口处的车辆流量控制方法、路侧设备及云控平台
KR102595678B1 (ko) 차량 연계 방법, 차량 연계 장치, 노변 장치 및 클라우드 제어 플랫폼
CN113807209B (zh) 车位检测方法、装置、电子设备及存储介质
CN112861811B (zh) 目标识别方法、装置、设备、存储介质及雷达
KR20210134252A (ko) 이미지 안정화 방법, 장치, 노변 기기 및 클라우드 제어 플랫폼
CN115002404A (zh) 一种ptz相机的智能控制方法及系统
CN112085002A (zh) 人像分割方法、装置、存储介质及电子设备
CN112700657B (zh) 用于生成检测信息的方法、装置、路侧设备和云控平台
CN113643266B (zh) 图像检测方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211013

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant