本发明专利技术提供一种路面遗留物检测方法、装置、设备及存储介质，涉及数据识别技术领域，其中该方法包括：基于前第一数目个视频帧包括的所有实例，以及各实例对应的结构化特征，初始化背景库；基于当前视频帧中各实例的结构化特征和背景库中背景实例的基准检测框，更新背景库；基于IoU结合IoF的方式，筛选出当前视频帧中的前景实例；基于前景实例的类别标签，以及预设白名单，筛选出路面遗留物。本发明专利技术通过采用IoU结合IoF的方式，区分所有实例属于背景实例或前景实例，同时更新背景库，使得确定前景实例的过程更准确，不依赖于数据样本进行训练，提高了处理速率和计算的精确度，适用性更广，可适应复杂多变的交通场景。可适应复杂多变的交通场景。可适应复杂多变的交通场景。
【技术实现步骤摘要】
路面遗留物检测方法、装置、设备及存储介质
[0001]本专利技术涉及数据识别
，尤其涉及一种路面遗留物检测方法、装置、设备及存储介质。
技术介绍
[0002]高速公路上来往车辆频繁，而且车速较快，一旦因为抛洒物或遗留物发生事故，会产生非常严重的影响。这些路面上的障碍物对位于高速公路上的司机和乘客的安全构成了极大的威胁，更容易引发二次事故，严重影响高速公路的整体通行能力和运营效率。对高速公路上的抛洒物或遗留物进行实时准确的检测，对保障高速公路的交通安全有着非常重要的意义。
[0003]现有的抛洒物或遗留物检测算法可分为三大类：传统方法、基于深度学习的有监督算法以及基于深度学习的无监督算法。传统方法不依赖数据样本，但鲁棒性较差；基于深度学习的有监督方法优于传统方法，但需要大量的数据样本，且泛化能力不强。基于深度学习的无监督方法做到了性能和实用性上的良好平衡，但是性能不佳，且对应的类型有限。然而，现有的基于深度学习有监督算法或无监督算法构建的路面抛洒物检测方法均无法处理在数据样本作为训练集之外的其他的未知抛洒物类别，难以适应复杂多变的交通场景。
[0004]因此，减少或去除在路面抛洒物或遗留物检测方法中对数据样本的依赖性，进而提高确定路面抛洒物或遗留物的精度，已成为本领域亟待解决的技术问题。
技术实现思路
[0005]针对现有技术存在的问题，本专利技术提供一种路面遗留物检测方法、装置、设备及存储介质。
[0006]第一方面，本专利技术提供一种路面遗留物检测方法，包括：
[0007]基于前第一数目个视频帧包括的所有实例，以及各所述实例对应的结构化特征，初始化背景库；所述结构化特征包括实例标识、检测框和类别标签；所述背景库中包括一个或多个背景实例对应的基准检测框；所述第一数目为正整数；
[0008]基于当前视频帧中各所述实例的结构化特征和所述背景库中背景实例对应的基准检测框，更新所述背景库；
[0009]基于IoU结合IoF的方式，以及所述背景库，筛选出当前视频帧的所有所述实例中的前景实例；
[0010]基于所述前景实例对应的类别标签，以及预设白名单，筛选出路面遗留物对应的所述前景实例。
[0011]可选地，所述基于前第一数目个视频帧包括的所有实例，以及各所述实例对应的结构化特征，初始化背景库，包括：
[0012]基于前第一数目个视频帧中各所述实例的实例标识以及各所述实例的检测框，确定属于同一所述实例标识的所有所述实例的所有检测框构成的运动轨迹；
[0013]基于具有同一所述实例标识的所述运动轨迹的平均值，确定每个所述背景实例对应的基准检测框；
[0014]基于所述背景实例对应的基准检测框和所述背景实例对应的实例标识，初始化所述背景库；
[0015]所述前第一数目个视频帧包括的所有实例，以及各所述实例对应的结构化特征是基于改进的双阶段目标检测器模型获得的。
[0016]可选地，所述基于当前视频帧中各所述实例的结构化特征和所述背景库中背景实例对应的基准检测框，更新所述背景库，包括：
[0017]确定当前视频帧中目标实例的检测框和目标背景实例的基准检测框之间的第一IoU值；
[0018]基于所述第一IoU值，以及预设移动阈值，更新所述背景库；
[0019]所述目标实例是当前视频帧中所有所述实例中的任一个；所述目标背景实例是在所述背景库中与所述目标实例具有相同实例标识的背景实例。
[0020]可选地，所述基于所述第一IoU值，以及预设移动阈值，更新所述背景库，包括：
[0021]若所述第一IoU值大于或等于预设移动阈值，则基于所述目标实例的检测框，更新目标背景实例的基准检测框；
[0022]若所述第一IoU值小于所述预设移动阈值，则在所述背景库中删除所述目标背景实例。
[0023]可选地，所述基于IoU结合IoF的方式，以及所述背景库，筛选出当前视频帧的所有所述实例中的前景实例，包括：
[0024]确定当前视频帧中目标实例的检测框和目标背景实例的基准检测框之间的第一IoF值；
[0025]确定所述目标实例的检测框和所述目标背景实例的基准检测框之间的第二IoU值；
[0026]基于所述第一IoF值和预设前景阈值的大小关系，以及所述第二IoU值和所述预设前景阈值的大小关系，确定所述目标实例为前景实例或背景实例；
[0027]所述目标实例是当前视频帧中所有所述实例中的任一个；所述目标背景实例是在所述背景库中与所述目标实例具有相同实例标识的背景实例。
[0028]可选地，所述基于所述第一IoF值和预设前景阈值的大小关系，以及所述第二IoU值和所述预设前景阈值的大小关系，确定所述目标实例为前景实例或背景实例，包括：
[0029]若所述第一IoF值和所述第二IoU值均小于预设前景阈值，则确定所述目标实例是前景实例；
[0030]若所述第一IoF值或所述第二IoU值大于或等于预设前景阈值，则确定所述目标实例是背景实例。
[0031]可选地，所述基于所述前景实例对应的类别标签，以及预设白名单，筛选出路面遗留物对应的所述前景实例，包括：
[0032]筛选出所述前景实例对应的类别标签不在所述预设白名单之内的所述前景实例，作为路面遗留物对应的所述前景实例；
[0033]所述预设白名单包括交通场景中所有交通工具类别对应的类别标签。
[0034]第二方面，本专利技术还提供一种路面遗留物检测装置，包括：
[0035]初始化模块，用于基于前第一数目个视频帧包括的所有实例，以及各所述实例对应的结构化特征，初始化背景库；所述结构化特征包括实例标识、检测框和类别标签；所述背景库中包括一个或多个背景实例对应的基准检测框；所述第一数目为正整数；
[0036]背景实例模块，用于基于当前视频帧中各所述实例的结构化特征和所述背景库中背景实例对应的基准检测框，更新所述背景库；
[0037]前景实例模块，用于基于IoU结合IoF的方式，以及所述背景库，筛选出当前视频帧的所有所述实例中的前景实例；
[0038]筛选模块，用于基于所述前景实例对应的类别标签，以及预设白名单，筛选出路面遗留物对应的所述前景实例。
[0039]第三方面，本专利技术还提供一种电子设备，包括存储器，收发机，处理器；
[0040]存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并实现如上所述第一方面所述路面遗留物检测方法。
[0041]第四方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序用于使计算机执行实现如上所述第一方面所述的路面遗留物检测方法。
[0042]第五方面，本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述第一方面所述的路面遗留物检测方法。
[0043]本专利技术提供的路面遗留物检测方法、装置本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种路面遗留物检测方法，其特征在于，包括：基于前第一数目个视频帧包括的所有实例，以及各所述实例对应的结构化特征，初始化背景库；所述结构化特征包括实例标识、检测框和类别标签；所述背景库中包括一个或多个背景实例对应的基准检测框；所述第一数目为正整数；基于当前视频帧中各所述实例的结构化特征和所述背景库中背景实例对应的基准检测框，更新所述背景库；基于交并比IoU结合前景交叉比IoF的方式，以及所述背景库，筛选出当前视频帧的所有所述实例中的前景实例；基于所述前景实例对应的类别标签，以及预设白名单，筛选出路面遗留物对应的所述前景实例。2.根据权利要求1所述的路面遗留物检测方法，其特征在于，所述基于前第一数目个视频帧包括的所有实例，以及各所述实例对应的结构化特征，初始化背景库，包括：基于前第一数目个视频帧中各所述实例的实例标识以及各所述实例的检测框，确定属于同一所述实例标识的所有所述实例的所有检测框构成的运动轨迹；基于具有同一所述实例标识的所述运动轨迹的平均值，确定每个所述背景实例对应的基准检测框；基于所述背景实例对应的基准检测框和所述背景实例对应的实例标识，初始化所述背景库；所述前第一数目个视频帧包括的所有实例，以及各所述实例对应的结构化特征是基于改进的双阶段目标检测器模型获得的。3.根据权利要求1所述的路面遗留物检测方法，其特征在于，所述基于当前视频帧中各所述实例的结构化特征和所述背景库中背景实例对应的基准检测框，更新所述背景库，包括：确定当前视频帧中目标实例的检测框和目标背景实例的基准检测框之间的第一交并比IoU值；基于所述第一交并比IoU值，以及预设移动阈值，更新所述背景库；所述目标实例是当前视频帧中所有所述实例中的任一个；所述目标背景实例是在所述背景库中与所述目标实例具有相同实例标识的背景实例。4.根据权利要求3所述的路面遗留物检测方法，其特征在于，所述基于所述第一交并比IoU值，以及预设移动阈值，更新所述背景库，包括：若所述第一交并比IoU值大于或等于预设移动阈值，则基于所述目标实例的检测框，更新目标背景实例的基准检测框；若所述第一交并比IoU值小于所述预设移动阈值，则在所述背景库中删除所述目标背景实例。5.根据权利要求1所述的路面遗留物检测方法，其特征在于，所述基于交并比IoU结合前景交叉比IoF的方式，以及所述背景库，筛选出当前视频帧的所有所述实例中的前景实例，包括：确定当前视频帧中目标实例的检测框和目标背景实例的基准检测框之间的第一前景...
【专利技术属性】
技术研发人员：王金桥，赵旭，安永琪，赵帅华，
申请(专利权)人：中科视语句容科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。