基于颜色模式分析与语义分割的盲道检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109117723A(43)申请公布日2019.01.01(21)申请号201810735337.5(22)申请日2018.07.06(71)申请人中国科学院自动化研究所地址100190北京市海淀区中关村东路95号(72)发明人兰晓松李书晓朱承飞常红星(74)专利代理机构北京瀚仁知识产权代理事务所(普通合伙)11482代理人郭文浩陈晓鹏(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06N3/08(2006.01)权利要求书2页说明书6页附图2页(54)发明名称基于颜色模式分析与语义分割的盲道检测方法(57)摘要本发明涉及视觉识别领域，提出一种颜色模式分析与语义分割的盲道检测方法，旨在解决在在盲道检测中，对于光照、颜色和纹理变化较为敏感，不适用于复杂环境下的盲道区域的精确提取的技术问题。该方法包括：获取待检测图像对应的盲道颜色概率特征图；利用预先构建的高斯扩散模型获取上述待检测图像对应的盲道位置概率特征图；利用预先构建的语义分割模型获取上述待检测图像对应的盲道局部纹理特征图，并根据上述盲道颜色概率特征图、上述盲道位置概率特征图和上述盲道局部纹理特征图获取特征融合图像，对上述特征融合图像进行语义分割得到上述待检测图像中的盲道区域。本发明可以快速、准确检测出盲道区域。CN109117723ACN109117723A权利要求书1/2页1.一种基于颜色模式分析与语义分割的盲道检测方法，其特征在于，所述方法包括：获取待检测图像对应的盲道颜色概率特征图；所述盲道颜色概率特征图用于表示所述待检测图像中每个像素属于盲道的概率；利用预先构建的高斯扩散模型获取所述待检测图像对应的盲道位置概率特征图；所述盲道位置概率特征图用于表示在所述待检测图像中每个像素位置上出现盲道的概率；利用预先构建的语义分割模型获取所述待检测图像对应的盲道局部纹理特征图，并根据所述盲道颜色概率特征图、所述盲道位置概率特征图和所述盲道局部纹理特征图获取特征融合图像，对所述特征融合图像进行语义分割得到所述待检测图像中的盲道区域；其中，所述语义分割模型是基于深度神经网络构建的模型。2.根据权利要求1所述的基于颜色模式分析与语义分割的盲道检测方法，其特征在于，“获取待检测图像对应的盲道颜色概率特征图”的步骤包括：获取所述待检测图像中每个像素点在预设的颜色模式下的颜色值；根据所述颜色值并利用预设的盲道显著性模型，获取所述待检测图像中每个像素点属于盲道的概率；根据所述每个像素点对应的概率生成盲道颜色概率特征图；其中，所述盲道显著性模型是根据预设的训练样本图像中的盲道颜色模式与所述训练样本图像对应的场景颜色模式的分布比对结果所构建的模型。3.根据权利要求2所述的基于颜色模式分析与语义分割的盲道检测方法，其特征在于，在“根据所述颜色值并利用预设的盲道显著性模型，获取所述待检测图像中每个像素点属于盲道的概率”的步骤之前，所述方法还包括：获取在所述颜色模式下所述训练样本图像中的盲道颜色模式和所述训练样本图像对应的场景颜色模式；对所述盲道颜色模式和所述场景颜色模式进行归一化处理，得到盲道颜色模式概率分布和场景颜色模式概率分布；根据所述盲道颜色模式概率分布和所述场景颜色模式概率分布，计算所述盲道颜色模式相对所述场景颜色模式的分布比对结果；根据所述分布比对结果生成盲道显著性模型。4.根据权利要求3所述的基于颜色模式分析与语义分割的盲道检测方法，其特征在于，“获取在所述颜色模式下所述训练样本图像中的盲道颜色模式和所述训练样本图像对应的场景颜色模式”的步骤包括：对所述训练样本图像进行量化处理，得到所述训练样本图像的颜色模式直方图；利用所述颜色模式直方图，统计所述训练样本图像中属于盲道的像素点和属于训练样本图像场景的像素点；根据统计结果获取所述盲道颜色模式与所述场景颜色模式。5.根据权利要求4所述的基于颜色模式分析与语义分割的盲道检测方法，其特征在于，所述盲道显著性模型如下式所示：Mblind＝{ωk|k＝1，2，...N}2CN109117723A权利要求书2/2页其中，ωk表示颜色直方图模式中第k个模式盲道显著性强度，是盲道显著性计算中的中间符号，指的是中的最大值，用于归一化pbk和psk分别表示盲道颜色模式的归一化概率和场景颜色模式的归一化概率，k＝1...N，Mblind表示盲道显著性模型。6.根据权利要求1所述的基于颜色模式分析与语义分割的盲道检测方法，其特征在于，“利用预先构建的高斯扩散模型获取所述待检测图像对应的盲道位置概率特征图”的步骤包括：获取预设的训练样本图像对应的盲道位置概率，并根据所述盲道位置概率生成盲道位置概率粗图；利用所述高斯扩散模型对所述盲道位置概率粗图进