System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于图像处理,尤其涉及一种运动状态识别方法、装置、电子设备及可读存储介质。
技术介绍
1、随着智能驾驶技术的不断进步,对车辆周围环境的有效识别已成为提升驾驶安全性的关键。然而,车辆在实际行驶过程中,对前车的运动状态识别容易受到天气、光照等环境因素的影响,识别准确率较低。
技术实现思路
1、本申请实施例提供了一种运动状态识别方法、装置、电子设备及可读存储介质,可以提高车辆的运动状态的识别准确率。
2、第一方面,本申请实施例提供了一种运动状态识别方法,所述运动状态识别方法包括:
3、获取第一车辆的连续n帧第一车辆图像中n-1组相邻两帧各自对应的第一光流特征向量,得到n-1个第一光流特征向量,n为大于1的整数;
4、获取所述n-1组相邻两帧各自对应的第一内容特征向量,得到n-1个第一内容特征向量;
5、将所述n-1个第一光流特征向量与各自对应的所述第一内容特征向量进行拼接并组合,得到第一特征矩阵;一个所述第一光流特征向量与对应的所述第一内容特征向量来源于同一组相邻两帧;
6、基于所述第一特征矩阵,识别所述第一车辆的运动状态。
7、在本申请实施例中,通过获取第一车辆的连续n帧第一车辆图像中n-1组相邻两帧的第一光流特征向量和第一内容特征向量,可以得到n-1个第一光流特征向量和n-1个第一内容特征向量,通过将n-1个第一光流特征向量与各自对应的第一内容特征向量进行拼接并组合,可以得到第一特征矩阵,基于该第一特征矩阵
8、第二方面,本申请实施例提供了一种运动状态识别装置,所述运动状态识别装置包括:
9、第一获取模块,用于获取第一车辆的连续n帧第一车辆图像中n-1组相邻两帧各自对应的第一光流特征向量,得到n-1个第一光流特征向量,n为大于1的整数;
10、第二获取模块,用于获取所述n-1组相邻两帧各自对应的第一内容特征向量,得到n-1个第一内容特征向量;
11、第一处理模块,用于将所述n-1个第一光流特征向量与各自对应的所述第一内容特征向量进行拼接并组合,得到第一特征矩阵;一个所述第一光流特征向量与对应的所述第一内容特征向量来源于同一组相邻两帧;
12、状态识别模块,用于基于所述第一特征矩阵,识别所述第一车辆的运动状态。
13、第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的运动状态识别方法。
14、第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的运动状态识别方法。
15、第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述第一方面中任一项所述的运动状态识别方法。
16、可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本文档来自技高网...【技术保护点】
1.一种运动状态识别方法,其特征在于,所述运动状态识别方法包括:
2.根据权利要求1所述的运动状态识别方法,其特征在于,所述获取第一车辆的连续N帧第一车辆图像中N-1组相邻两帧各自对应的第一光流特征向量,得到N-1个第一光流特征向量,包括:
3.根据权利要求2所述的运动状态识别方法,其特征在于,所述光流特征提取模块、所述内容特征提取模块和所述多帧特征融合识别模块的训练过程如下:
4.根据权利要求3所述的运动状态识别方法,其特征在于,所述基于所述M组训练样本各自对应的所述稠密光流图像、所述预测光流图像、所述样本车辆的实际运动状态和所述样本车辆的预测运动状态,训练所述光流特征提取模块、所述内容特征提取模块和所述多帧特征融合识别模块,包括:
5.根据权利要求3所述的运动状态识别方法,其特征在于,在所述M组训练样本输入所述光流特征提取模块和所述内容特征提取模块之前,还包括:
6.根据权利要求2所述的运动状态识别方法,其特征在于,在将所述N帧第一车辆图像输入训练好的所述光流特征提取模块和训练好的所述内容特征提取模块之前,还包括:<
...【技术特征摘要】
1.一种运动状态识别方法,其特征在于,所述运动状态识别方法包括:
2.根据权利要求1所述的运动状态识别方法,其特征在于,所述获取第一车辆的连续n帧第一车辆图像中n-1组相邻两帧各自对应的第一光流特征向量,得到n-1个第一光流特征向量,包括:
3.根据权利要求2所述的运动状态识别方法,其特征在于,所述光流特征提取模块、所述内容特征提取模块和所述多帧特征融合识别模块的训练过程如下:
4.根据权利要求3所述的运动状态识别方法,其特征在于,所述基于所述m组训练样本各自对应的所述稠密光流图像、所述预测光流图像、所述样本车辆的实际运动状态和所述样本车辆的预测运动状态,训练所述光流特征提取模块、所述内容特征提取模块和所述多帧特征融合识别模块,包括:
5.根据权利要求3所述的运动状态识别方法,其特征在于,在所述m组训练样本输入所述光流特征提取模块和所述内容特征提取模块之前,还包括:
<...【专利技术属性】
技术研发人员:吴俊,杜跃伟,姬鹏飞,刘军,
申请(专利权)人:深圳市锐明技术股份有限公司,
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。