CN115601381A - 车门被夹物检测方法、装置、设备及存储介质 - Google Patents
车门被夹物检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115601381A CN115601381A CN202211357309.7A CN202211357309A CN115601381A CN 115601381 A CN115601381 A CN 115601381A CN 202211357309 A CN202211357309 A CN 202211357309A CN 115601381 A CN115601381 A CN 115601381A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- vehicle
- clamped
- feature map
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车门被夹物检测方法、装置、设备及存储介质,属于汽车领域及计算机领域。所述方法包括:从车辆的车门与车身交界处获取车辆的待处理图像;采用车辆被夹物检测模型对待处理图像进行处理,得到待处理图像的检测结果;在待处理图像的检测结果指示车门与车身之间存在被夹物的情况下,发出预警提示信息。本申请实施例提供的技术方案中,通过车辆被夹物检测模型对待处理图像进行处理,以确定车门与车身之间是否存在被夹物,在车门与车身之间存在被夹物的情况下,发出预警提示信息,便于用户对车门与车身之间的被夹物进行合理调整,减少因车门与车身之间存在被夹物而造成的交通事故;而且,单帧图像的检测提高了被夹物检测的及时性。
Description
技术领域
本申请涉及汽车领域及计算机领域,特别涉及一种车门被夹物检测方法、装置、设备及存储介质。
背景技术
在秋冬季,用户喜欢着长衫、长裙、围巾等长款衣物饰品。然而,在用户穿戴长衣物饰品进入车辆时,如果不留意,车门关闭后很容易将衣物饰品夹在车门中与车身之间,进而造成交通事故。
发明内容
本申请实施例提供了一种车门被夹物检测方法、装置、设备及存储介质,能够减少因车门与车身之间存在被夹物而造成的交通事故。所述技术方案如下:
一方面,本申请实施例提供了一种车门被夹物检测方法,所述方法包括:
从车辆的车门与车身交界处获取所述车辆的待处理图像;
采用车辆被夹物检测模型对所述待处理图像进行处理,得到所述待处理图像的检测结果,所述检测结果用于指示所述待处理图像中所述车门与所述车身之间是否存在被夹物;
在所述待处理图像的检测结果指示所述车门与所述车身之间存在被夹物的情况下,发出预警提示信息,所述预警提示信息用于提示所述车门与所述车身之间存在被夹物。
另一方面,本申请实施例提供了一种车门被夹物检测装置,所述装置包括:
图像获取模块,用于从车辆的车门与车身交界处获取所述车辆的待处理图像;
结果获取模块,用于采用车辆被夹物检测模型对所述待处理图像进行处理,得到所述待处理图像的检测结果,所述检测结果用于指示所述待处理图像中所述车门与所述车身之间是否存在被夹物;
预警发出模块,用于在所述待处理图像的检测结果指示所述车门与所述车身之间存在被夹物的情况下,发出预警提示信息,所述预警提示信息用于提示所述车门与所述车身之间存在被夹物。
再一方面,本申请实施例提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现上述车门被夹物检测方法。
还一方面,本申请实施例提供了一种计算机可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现上述车门被夹物检测方法。
还一方面,提供了一种计算机程序产品,当所述计算机程序产品在计算机设备上运行时,使得计算机设备执行上述车门被夹物检测方法。
本申请实施例提供的技术方案可以带来如下有益效果:
通过车辆被夹物检测模型对待处理图像进行处理,以确定车门与车身之间是否存在被夹物,并且,在车门与车身之间存在被夹物的情况下,发出预警提示信息,便于用户对车门与车身之间的被夹物进行合理调整,减少因车门与车身之间存在被夹物而造成的交通事故;而且,单帧图像的检测提高了被夹物检测的及时性。
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的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的车辆检测系统的示意图;
图2是本申请一个实施例提供的车门被夹物检测方法的流程图;
图3示例性示出了一种车辆被夹物检测模型的训练方式的示意图;
图4示例性示出了被夹物确定方式的示意图;
图5是本申请另一个实施例提供的车门被夹物检测方法的流程图;
图6是本申请一个实施例提供的车门被夹物检测装置的框图;
图7是本申请另一个实施例提供的车门被夹物检测装置的框图;
图8是本申请一个实施例提供的计算机设备的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
请参考图1,其示出了本申请一个实施例提供的车辆检测系统的示意图。该车辆检测系统包括:图像采集设备10和计算机设备20。
图像采集设备10用于从车辆的车门与车身交界处获取图像。示例性地,图像采集设备10为摄像头。在一些实施例中,图像采集设备10为车辆的车载设备,如设置在车辆后视镜位置处的车载摄像头。
计算机设备20用于对图像采集设备10所采集的图像进行处理,以确定车辆的车门与车身之间是否存在被夹物。示例性地,如图1所示,计算机设备从车门与车身的交界处获取待处理图像,进而采用车辆被夹物检测模型对待处理图像进行图像处理,得到待处理图像的检测结果;进而基于待处理图像的检测结果确定车门与车身之间是否存在被夹物。
在一些实施例中,上述图像采集设备10和上述终端设备20之间通过网络进行通信。
请参考图2,其示出了本申请一个实施例提供的车门被夹物检测方法的流程图。该方法可应用于车辆的车载终端中,如各步骤的执行主体可以是图1实施例中的计算机设备20。该方法可以包括以下至少一个步骤(201~203):
步骤201,从车辆的车门与车身交界处获取车辆的待处理图像。
车辆是指任意类型的车辆,本申请实施例对此不作限定。在本申请实施例中,为了减少由于车门与车身之间存在被夹物而造成交通事故,在车辆开始启动时,计算机设备从车辆的车门与车身的交界处获取车辆的待处理图像。
在一些实施例中,计算机设备通过图像采集设备从车门与车身的交界处获取车辆的待处理图像。
在一种可能的实施方式中,上述图像采集设备为车载设备。在一些实施例中,在车辆组装时,基于图像采集设备的图像采集角度,在合适的位置为车辆配置图像采集设备,以使得后续通过该图像采集设备及时获取待处理图像。
在另一种可能的实施方式中,上述图像采集设备不为车载设备。在一些实施例中,在确定车辆开始启动时,获取距离该车辆最近的可用的图像采集设备,并由该图像采集设备采集待处理图像,并将待处理图像发送至计算机设备。
当然,在其它可能的实施方式中,上述图像采集设备包括车载设备和非车载设备。在一些实施例中,在确定车辆开始启动时,优先通过车载设备获取待处理图像,并且,若车载设备无法获取采集图像,则通过非车载设备获取待处理图像。
步骤202,采用车辆被夹物检测模型对待处理图像进行处理,得到待处理图像的检测结果。
在本申请实施例中,计算机设备在获取上述待处理图像之后,采用车辆被夹物检测模型对待处理图像进行处理,以得到待处理图像的检测结果。其中,检测结果用于指示待处理图像中车门与车身之间是否存在被夹物。
在一些实施例中,上述车辆被夹物检测模型是指深度学习模型。示例性地,对车辆被夹物检测模型的训练过程如图3所示,获取车辆被夹物检测模型的初始样本集,并对初始样本集中的样本进行图像增加处理和图像标注处理,得到最终的样本集,进而将最终的样本集划分为训练样本集、验证样本集和测试样本集,之后,采用训练样本集对车辆被夹物检测模型进行模型训练,以调整模型参数,进而采用验证样本集对训练后的车辆被夹物检测模型进行模型验证。之后,采用测试样本集对验证后的车辆被夹物检测模型进行模型测试。
在一些实施例中,车辆被夹物检测模型基于物品与车辆的相交边数确定物品是否为车门与车身之间的被夹物。示例性地,如图4所示,在物品与车辆之间存在三条相交边的情况下,确定车门与车身之间存在被夹物;在物品与车辆之间存在一条相交边的情况下,确定车门与车身之间不存在被夹物。
步骤203,在待处理图像的检测结果指示车门与车身之间存在被夹物的情况下,发出预警提示信息。
在本申请实施例中,计算机设备在获取上述待处理图像的检测结果之后,根据待处理图像的检测结果确定车门与车身之间是否存在被夹物,进而在待处理图像的检测结果指示车门与车身之间存在被夹物的情况下,发出预警提示信息。其中,预警提示信息用于提示车门与车身之间存在被夹物。
在一些实施例中,在待处理图像的检测结果指示车门与车身之间存在被夹物的情况下,计算机设备抑制针对车辆的油门踏板的控制操作,此时,车辆不对油门踏板的控制操作进行响应。
综上所述,本申请实施例提供的技术方案中,通过车辆被夹物检测模型对待处理图像进行处理,以确定车门与车身之间是否存在被夹物,并且,在车门与车身之间存在被夹物的情况下,发出预警提示信息,便于用户对车门与车身之间的被夹物进行合理调整,减少因车门与车身之间存在被夹物而造成的交通事故;而且,单帧图像的检测提高了被夹物检测的及时性。
下面,对采用车辆被夹物检测模型获取上述待处理图像的检测结果的具体方式进行介绍。
在示例性实施例中,上述步骤202包括以下至少一个步骤:
1、对待处理图像进行特征提取处理,得到待处理图像的第一特征图;
2、对第一特征图进行图像增加处理,得到待处理图像的第二特征图;
3、基于第二特征图获取待处理图像的检测结果。
在一些实施例中,计算机设备在获取待处理图像之后,对待处理图像进行特征提取处理,得到待处理图像的第一特征图。示例性地,在特征提取处理时,计算机设备对待处理图像进行特征提取处理,得到待处理图像的低层全局特征图,进而对待处理图像的低层全局特征图进行归一化处理,得到待处理图像的归一化特征图,并基于待处理图像的归一化特征图得到待处理图像的第一特征图。示例性地,计算机设备通过3*3的Conv1层获取上述低层全局特征图,通过BN层获取上述归一化特征图,通过mish激活函数和5个CPS版块获取上述第一特征图。
在一些实施例中,计算机设备在获取待处理图像的第一特征图之后,对待处理图像的第一特征图进行图像增加处理,得到待处理图像的第二特征图。示例性地,在图像增强处理时,计算机设备对待处理图像的第一特征图进行卷积处理,得到待处理图像的卷积特征图,对待处理图像的卷积特征图进行多尺度特征融合,得到待处理图像的融合特征图,对待处理图像的融合特征图进行语义特征增强和定位特征增强,得到待处理图像的第二特征图。示例性地,计算机设备对待处理图像的融合特征图进行下采样处理,以实现语义特征增强得到待处理图像的语义增强特征图,对待处理图像的语义增强特征图进行上采样处理,以实现定位特征增强得到待处理图像的第二特征图。
请参考图5,其示出了本申请另一个实施例提供的车门被夹物检测方法的流程图。该方法可应用于车辆的车载终端中,如各步骤的执行主体可以是图1实施例中的计算机设备20。该方法可以包括以下至少一个步骤(501~505):
步骤501,从车辆的车门与车身交界处获取车辆的待处理图像。
上述步骤501与图2实施例中的步骤201相同,具体参见图2实施例,在此不作赘述。
步骤502,基于待处理图像的采集时刻,从车门与车身的交界处获取待处理图像对应的相邻图像帧。
在本申请实施例中,计算机设备在获取上述待处理图像之后,基于该待处理图像的采集时刻,从车门与车身的交界处获取待处理图像对应的相邻图像帧。示例性地,相邻图像帧的采集时刻与待处理图像的采集时刻之间的时间间隔达到间隔阈值。其中,该间隔阈值可以为任意数值,根据实际情况可以对该间隔阈值进行灵活设置和调整,本申请实施例对此不作限定。
步骤503,采用车辆被夹物检测模型对待处理图像进行处理,得到待处理图像的检测结果。
上述步骤503与图2实施例中的步骤202相同,具体参见图2实施例,在此不作赘述。
步骤504,采用车辆被夹物检测模型对相邻图像帧进行处理,得到相邻图像帧像的检测结果。
在本申请实施例中,计算机设备在获取上述相邻图像帧之后,采用车辆被夹物检测模型对相邻图像帧进行处理,以得到相邻图像帧的检测结果。其中,相邻图像帧的检测结果用于指示相邻图像帧中车门与车身之间是否存在被夹物。
采用车辆被夹物检测模型获取相邻图像帧的检测结果的具体方式,与采用车辆被夹物检测模型获取上述待处理图像的检测结果的具体获取方式类似。
在一些实施例中,计算机设备在获取相邻图像帧之后,对相邻图像帧进行特征提取处理,得到相邻图像帧的第一特征图。示例性地,在特征提取处理时,计算机设备对相邻图像帧进行特征提取处理,得到相邻图像帧的低层全局特征图,进而对相邻图像帧的低层全局特征图进行归一化处理,得到相邻图像帧的归一化特征图,并基于相邻图像帧的归一化特征图得到相邻图像帧的第一特征图。
在一些实施例中,计算机设备在获取相邻图像帧的第一特征图之后,对相邻图像帧的第一特征图进行图像增加处理,得到相邻图像帧的第二特征图。示例性地,在图像增强处理时,计算机设备对相邻图像帧的第一特征图进行卷积处理,得到相邻图像帧的卷积特征图,对相邻图像帧的卷积特征图进行多尺度特征融合,得到相邻图像帧的融合特征图,对相邻图像帧的融合特征图进行语义特征增强和定位特征增强,得到相邻图像帧的第二特征图。示例性地,计算机设备对相邻图像帧的融合特征图进行下采样处理,以实现语义特征增强得到相邻图像帧的语义增强特征图,对相邻图像帧的语义增强特征图进行上采样处理,以实现定位特征增强得到相邻图像帧的第二特征图。
步骤505,若待处理图像的检测结果指示车门与车身之间存在被夹物,且相邻图像帧的检测结果指示车门与车身之间存在被夹物,发出预警提示信息。
在本申请实施例中,计算机设备在获取待处理图像的检测结果和相邻图像帧的检测结果,基于待处理图像的检测结果和相邻图像帧的检测结果确定车门与车身之间是否存在被夹物。
在一些实施例中,若待处理图像的检测结果与相邻图像帧的检测结果均指示车门与车身之间存在被夹物,则确定车门与车身之间存在被夹物,发出预警提示信息,并抑制针对车辆的油门踏板的控制操作。
在一些实施例中,若待处理图像的检测结果指示车门与车身之间不存在被夹物,且/或相邻图像帧的检测结果指示车门与车身之间不存在被夹物,则确定车门与车身之间不存在被夹物,确定车辆的油门踏板正常。
综上所述,本申请实施例提供的技术方案中,通过不同图像帧分别进行处理,得到不同图像帧分别对应的检测结果,进而基于该检测结果确定车门与车身之间是否存在被夹物,与单帧图像的检测相比,提高了被夹物检测结果的准确性。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图6,其示出了本申请一个实施例提供的车门被夹物检测装置的框图。该装置具有实现上述车门被夹物检测方法的功能,所述功能可以由硬件实现,也可以由硬件执行相应的软件实现。该装置可以是计算机设备,也可以设置在计算机设备中。该装置600可以包括:图像获取模块610、结果获取模块620和预警发出模块630。
图像获取模块610,用于从车辆的车门与车身交界处获取所述车辆的待处理图像。
结果获取模块620,用于采用车辆被夹物检测模型对所述待处理图像进行处理,得到所述待处理图像的检测结果,所述检测结果用于指示所述待处理图像中所述车门与所述车身之间是否存在被夹物。
预警发出模块630,用于在所述待处理图像的检测结果指示所述车门与所述车身之间存在被夹物的情况下,发出预警提示信息,所述预警提示信息用于提示所述车门与所述车身之间存在被夹物。
在示例性实施例中,所述结果获取模块620,还用于:
对所述待处理图像进行特征提取处理,得到所述待处理图像的第一特征图;
对所述第一特征图进行特征增强处理,得到所述待处理图像的第二特征图;
基于所述第二特征图获取所述待处理图像的检测结果。
在示例性实施例中,所述结果获取模块620,还用于:
对所述待处理图像进行特征提取处理,得到所述待处理图像的低层全局特征图;
对所述低层全局特征图进行归一化处理,得到所述待处理图像的归一化特征图;
基于所述归一化特征图得到所述第一特征图。
在示例性实施例中,所述结果获取模块620,还用于:
对所述第一特征图进行卷积处理,得到所述待处理图像的卷积特征图;
对所述卷积特征图进行多尺度特征融合,得到所述待处理图像的融合特征图;
对所述融合特征图进行语义特征增强和定位特征增强,得到所述第二特征图。
在示例性实施例中,所述结果获取模块620,还用于:
对所述融合特征图进行下采样处理,得到所述待处理图像的语义增强特征图;
对所述语义增强特征图进行上采样处理,得到所述第二特征图。
在示例性实施例中,如图7所示,所述装置600还包括:踏板抑制模块640。
踏板抑制模块640,用于抑制针对所述车辆的油门踏板的控制操作。
在示例性实施例中,所述图像获取模块610,还用于基于所述待处理图像的采集时刻,从所述车门与所述车身的交界处获取所述待处理图像对应的相邻图像帧。
所述结果获取模块620,还用于采用所述车辆被夹物检测模型对所述相邻图像帧进行处理,得到所述相邻图像帧像的检测结果,所述相邻图像帧的检测结果用于指示所述相邻图像帧中所述车门与所述车身之间是否存在被夹物。
所述预警发出模块630,还用于若所述待处理图像的检测结果指示所述车门与所述车身之间存在被夹物,且所述相邻图像帧的检测结果指示所述车门与所述车身之间存在被夹物,则执行所述发出预警提示信息的步骤。
综上所述,本申请实施例提供的技术方案中,通过车辆被夹物检测模型对待处理图像进行处理,以确定车门与车身之间是否存在被夹物,并且,在车门与车身之间存在被夹物的情况下,发出预警提示信息,便于用户对车门与车身之间的被夹物进行合理调整,减少因车门与车身之间存在被夹物而造成的交通事故;而且,单帧图像的检测提高了被夹物检测的及时性。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图8,其示出了本申请一个实施例提供的计算机设备800的结构框图。该计算机设备可以是目标车辆中的车载终端,该设备可以实现上述车门被夹物检测方法。具体来讲:
该计算机设备800包括处理单元(如CPU(Central Processing Unit,中央处理器)、GPU(Graphics Processing Unit,图形处理器)和FPGA(Field Programmable GateArray,现场可编程逻辑门阵列)等)801、包括RAM(Random Access Memory,随机存取存储器)802和ROM(Read Only Memory,只读存储器)803的系统存储器804,以及连接系统存储器804和中央处理单元801的系统总线805。该服务器800还包括帮助计算服务器内的各个器件之间传输信息的基本I/O系统(Input/Output,输入/输出)806,和用于存储操作系统813、应用程序814和其他程序模块812的大容量存储设备807。
该基本输入/输出系统806包括有用于显示信息的显示器808和用于用户输入信息的诸如鼠标、键盘之类的输入设备809。其中,该显示器808和输入设备809都通过连接到系统总线805的输入输出控制器810连接到中央处理单元801。该基本输入/输出系统806还可以包括输入输出控制器810以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器810还提供输出到显示屏、打印机或其他类型的输出设备。
该大容量存储设备807通过连接到系统总线805的大容量存储控制器(未示出)连接到中央处理单元801。该大容量存储设备807及其相关联的计算机可读介质为服务器800提供非易失性存储。也就是说,该大容量存储设备807可以包括诸如硬盘或者CD-ROM(Compact Disc Read-Only Memory,只读光盘)驱动器之类的计算机可读介质(未示出)。
不失一般性,该计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read Only Memory,电可擦可编程只读存储器)、闪存或其他固态存储设备,CD-ROM、DVD(Digital Video Disc,高密度数字视频光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知该计算机存储介质不局限于上述几种。上述的系统存储器804和大容量存储设备807可以统称为存储器。
根据本申请实施例,该服务器800还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器800可以通过连接在该系统总线805上的网络接口单元811连接到网络812,或者说,也可以使用网络接口单元811来连接到其他类型的网络或远程计算机系统(未示出)。
该存储器中存储有计算机程序,该计算机程序由处理器加载并实现上述车门被夹物检测方法。
在示例性实施例中,还提供了一种计算机可读存储介质,所述存储介质中存储有计算机程序,所述计算机程序在被处理器执行时以实现上述车门被夹物检测方法。
可选地,该计算机可读存储介质可以包括:ROM(Read Only Memory,只读存储器)、RAM(Random Access Memory,随机存取记忆体)、SSD(Solid State Drives,固态硬盘)或光盘等。其中,随机存取记忆体可以包括ReRAM(Resistance Random Access Memory,电阻式随机存取记忆体)和DRAM(Dynamic Random Access Memory,动态随机存取存储器)。
在示例性实施例中,还提供一种计算机程序产品,所述计算机程序产品被处理器执行时,用于实现上述车门被夹物检测方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。另外,本文中描述的步骤编号,仅示例性示出了步骤间的一种可能的执行先后顺序,在一些其它实施例中,上述步骤也可以不按照编号顺序来执行,如两个不同编号的步骤同时执行,或者两个不同编号的步骤按照与图示相反的顺序执行,本申请实施例对此不作限定。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车门被夹物检测方法,其特征在于,所述方法包括:
从车辆的车门与车身交界处获取所述车辆的待处理图像;
采用车辆被夹物检测模型对所述待处理图像进行处理,得到所述待处理图像的检测结果,所述检测结果用于指示所述待处理图像中所述车门与所述车身之间是否存在被夹物;
在所述待处理图像的检测结果指示所述车门与所述车身之间存在被夹物的情况下,发出预警提示信息,所述预警提示信息用于提示所述车门与所述车身之间存在被夹物。
2.根据权利要求1所述的方法,其特征在于,所述采用车辆被夹物检测模型对所述待处理图像进行处理,得到所述待处理图像的检测结果,包括:
对所述待处理图像进行特征提取处理,得到所述待处理图像的第一特征图;
对所述第一特征图进行特征增强处理,得到所述待处理图像的第二特征图;
基于所述第二特征图获取所述待处理图像的检测结果。
3.根据权利要求2所述的方法,其特征在于,所述对所述待处理图像进行特征提取处理,得到所述待处理图像的第一特征图,包括:
对所述待处理图像进行特征提取处理,得到所述待处理图像的低层全局特征图;
对所述低层全局特征图进行归一化处理,得到所述待处理图像的归一化特征图;
基于所述归一化特征图得到所述第一特征图。
4.根据权利要求2所述的方法,其特征在于,所述对所述第一特征图进行特征增强处理,得到所述待处理图像的第二特征图,包括:
对所述第一特征图进行卷积处理,得到所述待处理图像的卷积特征图;
对所述卷积特征图进行多尺度特征融合,得到所述待处理图像的融合特征图;
对所述融合特征图进行语义特征增强和定位特征增强,得到所述第二特征图。
5.根据权利要求4所述的方法,其特征在于,所述对所述融合特征图进行语义特征增强和定位特征增强,得到所述第二特征图,包括:
对所述融合特征图进行下采样处理,得到所述待处理图像的语义增强特征图;
对所述语义增强特征图进行上采样处理,得到所述第二特征图。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述采用车辆被夹物检测模型对所述待处理图像进行处理,得到所述待处理图像的检测结果之后,还包括:
抑制针对所述车辆的油门踏板的控制操作。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述从车辆的车门与车身交界处获取所述车辆的待处理图像之后,还包括:
基于所述待处理图像的采集时刻,从所述车门与所述车身的交界处获取所述待处理图像对应的相邻图像帧;
采用所述车辆被夹物检测模型对所述相邻图像帧进行处理,得到所述相邻图像帧像的检测结果,所述相邻图像帧的检测结果用于指示所述相邻图像帧中所述车门与所述车身之间是否存在被夹物;
所述在所述待处理图像的检测结果指示所述车门与所述车身之间存在被夹物的情况下,发出预警提示信息,所述预警提示信息用于提示所述车门与所述车身之间存在被夹物,包括:
若所述待处理图像的检测结果指示所述车门与所述车身之间存在被夹物,且所述相邻图像帧的检测结果指示所述车门与所述车身之间存在被夹物,则执行所述发出预警提示信息的步骤。
8.一种车门被夹物检测装置,其特征在于,所述装置包括:
图像获取模块,用于从车辆的车门与车身交界处获取所述车辆的待处理图像;
结果获取模块,用于采用车辆被夹物检测模型对所述待处理图像进行处理,得到所述待处理图像的检测结果,所述检测结果用于指示所述待处理图像中所述车门与所述车身之间是否存在被夹物;
预警发出模块,用于在所述待处理图像的检测结果指示所述车门与所述车身之间存在被夹物的情况下,发出预警提示信息,所述预警提示信息用于提示所述车门与所述车身之间存在被夹物。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的车门被夹物检测方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现如权利要求1至7任一项所述的车门被夹物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211357309.7A CN115601381A (zh) | 2022-11-01 | 2022-11-01 | 车门被夹物检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211357309.7A CN115601381A (zh) | 2022-11-01 | 2022-11-01 | 车门被夹物检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115601381A true CN115601381A (zh) | 2023-01-13 |
Family
ID=84851342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211357309.7A Pending CN115601381A (zh) | 2022-11-01 | 2022-11-01 | 车门被夹物检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601381A (zh) |
-
2022
- 2022-11-01 CN CN202211357309.7A patent/CN115601381A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846556B2 (en) | Vehicle insurance image processing method, apparatus, server, and system | |
US10943135B2 (en) | Information processing apparatus, image delivery system, information processing method, and computer-readable recording medium | |
CN113190166B (zh) | 一种基于墨水屏的手写显示方法及装置 | |
CN112037142B (zh) | 一种图像去噪方法、装置、计算机及可读存储介质 | |
US20190236745A1 (en) | Dynamic watermarking of vehicle camera images | |
CN115720253B (zh) | 视频处理方法、装置、车辆以及存储介质 | |
CN113486856B (zh) | 一种驾驶员不规范行为检测方法 | |
CN115496775A (zh) | 车门被夹物检测方法、装置、设备及存储介质 | |
CN113901871A (zh) | 一种驾驶员危险动作识别方法、装置以及设备 | |
CN115661917A (zh) | 手势识别方法及相关产品 | |
CN113176839A (zh) | 基于地理位置的车辆互动方法、装置、计算机设备和介质 | |
CN112241963A (zh) | 基于车载视频的车道线识别方法、系统和电子设备 | |
CN117184075A (zh) | 一种车辆变道检测方法、装置及计算机可读存储介质 | |
CN115601381A (zh) | 车门被夹物检测方法、装置、设备及存储介质 | |
CN110188645B (zh) | 用于车载场景的人脸检测方法、装置、车辆及存储介质 | |
CN114267076B (zh) | 一种图像识别方法、装置、设备及存储介质 | |
CN117333837A (zh) | 行车安全辅助方法、电子设备及存储介质 | |
CN115601382A (zh) | 车门被夹物检测方法、装置、设备及存储介质 | |
CA3181843A1 (en) | Methods and systems for monitoring driving automation | |
WO2021098346A1 (zh) | 人体朝向检测方法、装置、电子设备和计算机存储介质 | |
JP2022130889A (ja) | 運転評価装置及び運転評価方法 | |
CN114615437B (zh) | 一种基于gis的车辆追踪方法及系统 | |
KR102658832B1 (ko) | 차량 포렌식 분석 방법 및 이를 수행하기 위한 컴퓨팅 장치 | |
CN117894095A (zh) | 用于记录车辆数据的方法和数据记录系统 | |
JP6948222B2 (ja) | 撮影画像に含まれる停車場所を判定するためのシステム、方法、及びプログラム |
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 |