本發(fā)明涉及圖像識別領(lǐng)域，具體涉及一種建立車窗定位模型和車窗定位方法及裝置。

背景技術(shù)：

隨著經(jīng)濟(jì)的發(fā)展，汽車保有量與日俱增，大量的汽車在道路上行駛，給交通管理部門帶來了巨大的管理壓力，已有的汽車管理自動化手段主要是電子警察和卡口系統(tǒng)，實(shí)時捕獲車輛高清圖片，分析出駕駛員信息，包括駕駛員是否系安全帶、打電話、人臉相貌等信息，對交通安全監(jiān)管和刑事案件偵查具有至關(guān)重要的作用，但若要準(zhǔn)確判斷車輛內(nèi)部的人員或其它目標(biāo)的具體屬性，需要對能清楚觀察到駕駛員的車窗目標(biāo)做出準(zhǔn)確定位，繼而通過車窗對車輛內(nèi)部信息進(jìn)行識別。

現(xiàn)有車窗定位方法一般都是充分利用已經(jīng)成熟的車牌檢測并結(jié)合車型等其它信息，估計出車窗區(qū)域，再對此估計區(qū)域作進(jìn)一步的相關(guān)檢測識別，判斷目標(biāo)屬性，而現(xiàn)有車窗區(qū)域定位精度往往難以滿足后續(xù)屬性(例如，對車內(nèi)司機(jī)人臉面貌和司機(jī)動作)的判定需求，從而造成車輛內(nèi)部信息識別錯誤。

技術(shù)實(shí)現(xiàn)要素：

因此，本發(fā)明要解決的技術(shù)問題在于現(xiàn)有車窗定位方法的車窗定位精度往往難以滿足需求，從而造成車輛內(nèi)部信息識別錯誤。

有鑒于此，本發(fā)明提供一種建立車窗定位模型的方法，包括：

獲取多個車輛圖像和對應(yīng)所述車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)；

將所述多個車輛圖像和對應(yīng)所述車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)作為訓(xùn)練數(shù)據(jù)，對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，直至所述機(jī)器學(xué)習(xí)模型的輸出結(jié)果滿足預(yù)設(shè)條件。

優(yōu)選地，所述車輛圖像為車輛前部車身圖像。

優(yōu)選地，所述機(jī)器學(xué)習(xí)模型的輸出結(jié)果為車窗角點(diǎn)的坐標(biāo)，

在對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練的步驟中，直至所述機(jī)器學(xué)習(xí)模型的輸出的車窗角點(diǎn)的坐標(biāo)誤差在預(yù)設(shè)閾值范圍內(nèi)。

相應(yīng)地，本發(fā)明提供一種建立車窗定位模型的裝置，包括：

獲取單元，用于獲取多個車輛圖像和對應(yīng)所述車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)；

訓(xùn)練單元，用于將所述多個車輛圖像和對應(yīng)所述車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)作為訓(xùn)練數(shù)據(jù)，對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，直至所述機(jī)器學(xué)習(xí)模型的輸出結(jié)果滿足預(yù)設(shè)條件。

優(yōu)選地，所述車輛圖像為車輛前部車身圖像。

優(yōu)選地，所述機(jī)器學(xué)習(xí)模型的輸出結(jié)果為車窗角點(diǎn)的坐標(biāo)，

利用訓(xùn)練單元進(jìn)行訓(xùn)練，直至所述機(jī)器學(xué)習(xí)模型的輸出的車窗角點(diǎn)的坐標(biāo)誤差在預(yù)設(shè)閾值范圍內(nèi)。

本發(fā)明還提供一種車窗定位方法，包括：

獲取待識別車輛圖像；

將所述待識別車輛圖像輸入到如上述所述方法所建立的模型中，確定所述待識別車輛圖像中車窗位置。

相應(yīng)地，本發(fā)明還提供一種車窗定位裝置，包括：

車輛圖像獲取單元，用于獲取待識別車輛圖像；

車窗位置確定單元，用于將所述待識別車輛圖像輸入到如上述所述方法所建立的模型中，確定所述待識別車輛圖像中車窗位置。

本發(fā)明技術(shù)方案具有以下優(yōu)點(diǎn)：

通過獲取多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)，將多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)作為訓(xùn)練數(shù)據(jù)，對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，直至機(jī)器學(xué)習(xí)模型的輸出結(jié)果滿足預(yù)設(shè)條件，利用該機(jī)器學(xué)習(xí)模型對待識別車輛圖像進(jìn)行識別，繼而確定待識別車輛圖像的車窗位置，解決了現(xiàn)有車窗定位方法的車窗定位精度往往難以滿足需求，從而造成車輛內(nèi)部信息識別錯誤的問題。

附圖說明

為了更清楚地說明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施方式，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例提供的一種建立車窗定位模型的方法的流程圖；

圖2是本發(fā)明實(shí)施例提供的一種建立車窗定位模型的裝置的結(jié)構(gòu)示意圖；

圖3是本發(fā)明另一實(shí)施例提供的一種車窗定位方法的流程圖；

圖4是本發(fā)明另一實(shí)施例提供的一種車窗定位裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合附圖對本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實(shí)施例提供一種建立車窗定位模型的方法，如圖1所示，包括：

s11，獲取多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)。其中車輛圖像的車窗角點(diǎn)坐標(biāo)通過人工預(yù)先進(jìn)行大量樣本標(biāo)注作為深度學(xué)習(xí)的訓(xùn)練數(shù)據(jù)。

s12，將多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)作為訓(xùn)練數(shù)據(jù)，對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，直至機(jī)器學(xué)習(xí)模型的輸出結(jié)果滿足預(yù)設(shè)條件。

優(yōu)選地，車輛圖像為車輛前部車身圖像。在通過車輛圖像準(zhǔn)確定位到車窗位置后，繼而透過車窗圖像識別出車輛內(nèi)的駕駛員行為狀態(tài)，故在路口設(shè)置的攝像頭等圖像獲取裝置一般拍攝車輛前部車身圖像，在對大量車輛前部車身圖像進(jìn)行訓(xùn)練后，提高了車輛前部車身圖像的車窗位置的識別率，繼而也提高了車輛內(nèi)部駕駛員行為狀態(tài)的識別率。

優(yōu)選地，機(jī)器學(xué)習(xí)模型的輸出結(jié)果為車窗角點(diǎn)的坐標(biāo)，在對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練的步驟中，直至機(jī)器學(xué)習(xí)模型的輸出的車窗角點(diǎn)的坐標(biāo)誤差在預(yù)設(shè)閾值范圍內(nèi)。

本發(fā)明實(shí)施例提供的建立車窗定位模型的方法，通過獲取多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)，將多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)作為訓(xùn)練數(shù)據(jù)，對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，直至機(jī)器學(xué)習(xí)模型的輸出結(jié)果滿足預(yù)設(shè)條件，利用該機(jī)器學(xué)習(xí)模型對待識別車輛圖像進(jìn)行識別，繼而確定待識別車輛圖像的車窗位置，解決了現(xiàn)有車窗定位方法的車窗定位精度往往難以滿足需求，從而造成車輛內(nèi)部信息識別錯誤的問題。

相應(yīng)地，本發(fā)明實(shí)施例還提供一種建立車窗定位模型的裝置，如圖2所示，包括：

獲取單元21，用于獲取多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)；

訓(xùn)練單元22，用于將多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)作為訓(xùn)練數(shù)據(jù)，對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，直至機(jī)器學(xué)習(xí)模型的輸出結(jié)果滿足預(yù)設(shè)條件。

優(yōu)選地，車輛圖像為車輛前部車身圖像。

優(yōu)選地，機(jī)器學(xué)習(xí)模型的輸出結(jié)果為車窗角點(diǎn)的坐標(biāo)，利用訓(xùn)練單元22進(jìn)行訓(xùn)練，直至機(jī)器學(xué)習(xí)模型的輸出的車窗角點(diǎn)的坐標(biāo)誤差在預(yù)設(shè)閾值范圍內(nèi)。

本發(fā)明實(shí)施例提供的建立車窗定位模型的裝置，通過獲取單元獲取多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)，利用訓(xùn)練單元將多個車輛圖像和對應(yīng)車輛圖像中已標(biāo)注出的四個車窗角點(diǎn)的坐標(biāo)作為訓(xùn)練數(shù)據(jù)，對機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，直至機(jī)器學(xué)習(xí)模型的輸出結(jié)果滿足預(yù)設(shè)條件，繼而利用訓(xùn)練好的機(jī)器學(xué)習(xí)模型進(jìn)行車窗定位，解決了現(xiàn)有車窗定位方法的車窗定位精度往往難以滿足需求，從而造成車輛內(nèi)部信息識別錯誤的問題。

本發(fā)明另一實(shí)施例還提供一種車窗定位方法，如圖3所示，包括：

s31，獲取待識別車輛圖像；

s32，將待識別車輛圖像輸入到上述方法所建立的模型中，確定待識別車輛圖像中車窗位置。在利用機(jī)器學(xué)習(xí)模型識別過程中，當(dāng)獲取車窗的角點(diǎn)坐標(biāo)后，通過將車窗角點(diǎn)坐標(biāo)所構(gòu)成的四邊形矯正為規(guī)則的矩形，車窗的角點(diǎn)坐標(biāo)矯正成矩形區(qū)域的方法可以是最小矩形覆蓋方法或者邊界外擴(kuò)等方法得到，可應(yīng)用與車輛內(nèi)部的目標(biāo)檢測和屬性識別，例如當(dāng)確定車窗坐標(biāo)后，利用頭檢測方法檢測出駕駛員位置或者用于識別駕駛員是否系安全帶等目標(biāo)的識別。

本發(fā)明另一實(shí)施例提供的車窗定位方法，通過獲取待識別車輛圖像，繼而將待識別車輛圖像輸入到建立的車窗定位模型中確定待識別車輛圖像中的車窗位置，解決了現(xiàn)有車窗定位方法的車窗定位精度往往難以滿足需求，從而造成車輛內(nèi)部信息識別錯誤的問題。

本發(fā)明另一實(shí)施例還提供一種車窗定位裝置，如圖4所示，包括：

車輛圖像獲取單元41，用于獲取待識別車輛圖像；

車窗位置確定單元42，用于將待識別車輛圖像輸入到上述所述方法所建立的模型中，確定待識別車輛圖像中車窗位置。

本發(fā)明另一實(shí)施例提供的車窗定位裝置，通過車輛圖像獲取單元獲取待識別車輛圖像，并將待識別車輛圖像輸入到建立的車窗定位模型中確定待識別車輛圖像中的車窗位置，解決了現(xiàn)有車窗定位方法的車窗定位精度往往難以滿足需求，從而造成車輛內(nèi)部信息識別錯誤的問題。

顯然，上述實(shí)施例僅僅是為清楚地說明所作的舉例，而并非對實(shí)施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實(shí)施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。