申请/专利权人:安徽清新互联信息科技有限公司
申请日:2020-06-19
公开(公告)日:2024-06-21
公开(公告)号:CN111881739B
主分类号:G06V20/56
分类号:G06V20/56;G06V10/44;G06V10/82;G06N3/0455;G06N3/0464;G06N3/082
优先权:
专利状态码:有效-授权
法律状态:2024.06.21#授权;2020.11.20#实质审查的生效;2020.11.03#公开
摘要:本发明公开了一种汽车尾灯状态识别方法,属于计算机视觉和辅助驾驶技术领域,包括:获取待识别的车尾图像,并输入至预先训练好的尾灯状态识别模型,该尾灯状态识别模型包括特征提取网络和尾灯状态判别网络;利用特征提取网络提取车尾图像的尾灯特征向量;利用尾灯状态判别网络对尾灯特征向量进行处理,识别出汽车尾灯的状态。本发明设计基于注意力机制的卷积‑循环神经网络直接在车尾图像中提取尾灯特征,并推理尾灯前后时刻的亮度变化,能够稳定有效地识别复杂环境下的汽车尾灯状态。
主权项:1.一种汽车尾灯状态识别方法,其特征在于,包括:S1、获取待识别的车尾图像,并输入至预先训练好的尾灯状态识别模型,该尾灯状态识别模型包括特征提取网络和尾灯状态判别网络;S2、利用特征提取网络提取车尾图像的尾灯特征向量;S3、利用尾灯状态判别网络对尾灯特征向量进行处理,识别出汽车尾灯的状态;所述特征提取网络包括基干网络和空间注意力模块,基干网络的输出与空间注意力模块连接;基干网络包括卷积层Conv0、全局最大池化层MaxPooling0、全局平均池化层GlobalAvgPooling和残差模块ResNeXtblock0、ResNeXtblock1和ResNeXtblock2,卷积层Conv0的输入为所述待识别的车尾图像、输出与全局最大池化层MaxPooling0的输入连接,全局最大池化层MaxPooling0的输出依次经残差模块ResNeXtblock0、ResNeXtblock1和ResNeXtblock2后与全局平均池化层GlobalAvgPooling的输入连接;所述空间注意力模块包括空间注意力模块SpatialAttentionModule0、SpatialAttentionModule1和SpatialAttentionModule2;所述残差模块ResNeXtblock0、ResNeXtblock1和ResNeXtblock2的输出分别与所述空间注意力模块SpatialAttentionModule0、SpatialAttentionModule1和SpatialAttentionModule2的输入连接,所述残差模块ResNeXtblock0的输出与所述空间注意力模块SpatialAttentionModule0的输出的Hadamard积作为所述残差模块ResNeXtblock1的输入;所述残差模块ResNeXtblock1的输出与所述空间注意力模块SpatialAttentionModule1的输出的Hadamard积作为所述残差模块ResNeXtblock2的输入;所述残差模块ResNeXtblock2的输出与所述空间注意力模块SpatialAttentionModule2的输出的Hadamard积作为所述全局平均池化层GlobalAvgPooling的输入,所述全局平均池化层GlobalAvgPooling的输出为所述尾灯特征向量。
全文数据:
权利要求:
百度查询: 安徽清新互联信息科技有限公司 一种汽车尾灯状态识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。