【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及數(shù)據(jù)挖掘，尤其涉及一種車(chē)位數(shù)據(jù)挖掘方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、在自動(dòng)泊車(chē)領(lǐng)域中，車(chē)輛控制器對(duì)停車(chē)位的檢測(cè)一般是基于深度學(xué)習(xí)模型的方法，通過(guò)將圖像數(shù)據(jù)輸入訓(xùn)練好的模型中進(jìn)行檢測(cè)，輸出車(chē)位檢測(cè)結(jié)果。而訓(xùn)練模型需要大量的數(shù)據(jù)。當(dāng)采集到海量的圖像數(shù)據(jù)后，需要從中挖掘出價(jià)值相對(duì)較高的數(shù)據(jù)給到模型進(jìn)行訓(xùn)練。
2、現(xiàn)有技術(shù)中一般是基于人工標(biāo)簽的方法來(lái)挖掘數(shù)據(jù)。需要對(duì)所有采集到的圖像，人工去檢查一遍，為每一幀圖像打上預(yù)設(shè)的標(biāo)簽，比如室內(nèi)停車(chē)場(chǎng)、室外停車(chē)場(chǎng)等標(biāo)簽，然后再?gòu)哪硞€(gè)標(biāo)簽中提取預(yù)設(shè)數(shù)量的圖像用于模型訓(xùn)練。基于人工標(biāo)簽的方法，標(biāo)簽種類繁多，并且有大量的重復(fù)，比如室外停車(chē)場(chǎng)和柏油路車(chē)位這兩個(gè)標(biāo)簽就是有部分含義是重復(fù)的，因此會(huì)消耗大量的時(shí)間成本和人力成本，提取出的數(shù)據(jù)會(huì)存在大量冗余，不僅會(huì)增加模型的迭代周期，而且也會(huì)降低模型訓(xùn)練效果。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的主要目的在于提供一種車(chē)位數(shù)據(jù)挖掘方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有模型訓(xùn)練數(shù)據(jù)挖掘成本高且挖掘的數(shù)據(jù)價(jià)值低而導(dǎo)致模型訓(xùn)練效果不佳的問(wèn)題。
2、本專利技術(shù)第一方面提供了一種車(chē)位數(shù)據(jù)挖掘方法，所述車(chē)位數(shù)據(jù)挖掘方法包括：
3、獲取多張包含若干車(chē)位的圖像；
4、輪流將每張圖像分別輸入第一深度學(xué)習(xí)模型與第二深度學(xué)習(xí)模型進(jìn)行車(chē)位識(shí)別，對(duì)應(yīng)輸出第一識(shí)別結(jié)果與第二識(shí)別結(jié)果；
5、分別統(tǒng)計(jì)每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果中不同差異類型的車(chē)位數(shù)量
6、根據(jù)各所述差異類型的車(chē)位數(shù)量，計(jì)算每張圖像的差異性分?jǐn)?shù)；
7、將所述差異性分?jǐn)?shù)滿足預(yù)設(shè)條件的圖像作為車(chē)位數(shù)據(jù)并輸出。
8、在本專利技術(shù)第一方面的第一種實(shí)現(xiàn)方式中，所述分別統(tǒng)計(jì)每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果中不同差異類型的車(chē)位數(shù)量包括：
9、分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果；
10、根據(jù)比較結(jié)果，確定每張圖像中所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型各自匹配的車(chē)位與各自不匹配的車(chē)位；
11、對(duì)每張圖像中所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型各自識(shí)別出的車(chē)位匹配情況進(jìn)行統(tǒng)計(jì)，得到每張圖像中不同差異類型的車(chē)位數(shù)量。
12、在本專利技術(shù)第一方面的第二種實(shí)現(xiàn)方式中，所述分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果包括：
13、分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果中的第一車(chē)位與所述第二識(shí)別結(jié)果中的第二車(chē)位是否匹配；
14、若匹配，則確定所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型在同一圖像中識(shí)別出相同位置的車(chē)位；
15、若不匹配，則確定所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型在同一圖像中識(shí)別出不同位置的車(chē)位。
16、在本專利技術(shù)第一方面的第三種實(shí)現(xiàn)方式中，所述分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果中的第一車(chē)位與所述第二識(shí)別結(jié)果中的第二車(chē)位是否匹配包括：
17、以所述第一識(shí)別結(jié)果為比較基準(zhǔn)，分別計(jì)算每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果中的第一車(chē)位與所述第二識(shí)別結(jié)果中的第二車(chē)位的重疊面積；
18、判斷所述重疊面積是否大于預(yù)置面積閾值；
19、若所述重疊面積大于預(yù)置面積閾值，則判斷所述第一車(chē)位與所述第二車(chē)位的夾角是否小于預(yù)置夾角閾值；
20、若所述夾角小于預(yù)置夾角閾值，則確定所述第一車(chē)位與所述第二車(chē)位匹配，否則確定所述第一車(chē)位與所述第二車(chē)位不匹配。
21、在本專利技術(shù)第一方面的第四種實(shí)現(xiàn)方式中，所述對(duì)每張圖像中所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型各自識(shí)別出的車(chē)位匹配情況進(jìn)行統(tǒng)計(jì)，得到每張圖像中不同差異類型的車(chē)位數(shù)量包括：
22、統(tǒng)計(jì)每張圖像中所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型在相同位置識(shí)別出的車(chē)位，得到每張圖像中屬于第一差異類型的車(chē)位數(shù)量；
23、統(tǒng)計(jì)每張圖像中所述第一深度學(xué)習(xí)模型識(shí)別出且所述第二深度學(xué)習(xí)模型在相同位置未識(shí)別出的車(chē)位，得到每張圖像中屬于第二差異類型的車(chē)位數(shù)量；
24、統(tǒng)計(jì)每張圖像中所述第一深度學(xué)習(xí)模型未識(shí)別出且所述第二深度學(xué)習(xí)模型在相同位置識(shí)別出的車(chē)位，得到每張圖像中屬于第三差異類型的車(chē)位數(shù)量。
25、在本專利技術(shù)第一方面的第五種實(shí)現(xiàn)方式中，每張圖像的差異性分?jǐn)?shù)的計(jì)算公式如下：
26、score＝tp/(tp+fp+fn)；
27、其中，score表示圖像的差異性分?jǐn)?shù)，tp表示第一差異類型的車(chē)位數(shù)量，fp表示第二差異類型的車(chē)位數(shù)量，fn表示第三差異類型的車(chē)位數(shù)量。
28、在本專利技術(shù)第一方面的第六種實(shí)現(xiàn)方式中，所述將所述差異性分?jǐn)?shù)滿足預(yù)設(shè)條件的圖像作為車(chē)位數(shù)據(jù)并輸出包括：
29、基于每張圖像的差異性分?jǐn)?shù)，對(duì)所有圖像進(jìn)行排序，得到圖像序列；
30、將所述圖像序列中圖像識(shí)別差異最大的k張圖像作為車(chē)位數(shù)據(jù)并輸出，其中，k為預(yù)先指定的挖掘圖像數(shù)量。
31、本專利技術(shù)第二方面提供一種車(chē)位數(shù)據(jù)挖掘裝置，所述車(chē)位數(shù)據(jù)挖掘裝置包括：
32、獲取模塊，用于獲取多張包含若干車(chē)位的圖像；
33、識(shí)別模塊，用于輪流將每張圖像分別輸入第一深度學(xué)習(xí)模型與第二深度學(xué)習(xí)模型進(jìn)行車(chē)位識(shí)別，對(duì)應(yīng)輸出第一識(shí)別結(jié)果與第二識(shí)別結(jié)果；
34、統(tǒng)計(jì)模塊，用于分別統(tǒng)計(jì)每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果中不同差異類型的車(chē)位數(shù)量；
35、計(jì)算模塊，用于根據(jù)各所述差異類型的車(chē)位數(shù)量，計(jì)算每張圖像的差異性分?jǐn)?shù)；
36、輸出模塊，用于將所述差異性分?jǐn)?shù)滿足預(yù)設(shè)條件的圖像作為車(chē)位數(shù)據(jù)并輸出。
37、在本專利技術(shù)第二方面的第一種實(shí)現(xiàn)方式中，所述統(tǒng)計(jì)模塊包括：
38、比較單元，用于分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果；
39、確定單元，用于根據(jù)比較結(jié)果，確定每張圖像中所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型各自匹配的車(chē)位與各自不匹配的車(chē)位；
40、統(tǒng)計(jì)單元，用于對(duì)每張圖像中所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型各自識(shí)別出的車(chē)位匹配情況進(jìn)行統(tǒng)計(jì)，得到每張圖像中不同差異類型的車(chē)位數(shù)量。
41、在本專利技術(shù)第二方面的第二種實(shí)現(xiàn)方式中，所述比較單元具體用于：
42、分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果中的第一車(chē)位與所述第二識(shí)別結(jié)果中的第二車(chē)位是否匹配；
43、若匹配，則確定所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型在同一圖像中識(shí)別出相同位置的車(chē)位；
44、若不匹配，則確定所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型在同一圖像中識(shí)別出不同位置的車(chē)位。
45、在本專利技術(shù)第二方面的第三種實(shí)現(xiàn)方式中，所述比較單元還用于：
46、以所述第一識(shí)別結(jié)果為比較基準(zhǔn)，分別計(jì)算每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果中的第一車(chē)位與所述第二識(shí)別結(jié)果中的第二車(chē)位的重疊面積；
47本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述車(chē)位數(shù)據(jù)挖掘方法包括：
2.根據(jù)權(quán)利要求1所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述分別統(tǒng)計(jì)每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果中不同差異類型的車(chē)位數(shù)量包括：
3.根據(jù)權(quán)利要求2所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果包括：
4.根據(jù)權(quán)利要求3所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果中的第一車(chē)位與所述第二識(shí)別結(jié)果中的第二車(chē)位是否匹配包括：
5.根據(jù)權(quán)利要求3所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述對(duì)每張圖像中所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型各自識(shí)別出的車(chē)位匹配情況進(jìn)行統(tǒng)計(jì)，得到每張圖像中不同差異類型的車(chē)位數(shù)量包括：
6.根據(jù)權(quán)利要求5所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，每張圖像的差異性分?jǐn)?shù)的計(jì)算公式如下：
7.根據(jù)權(quán)利要求1所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述將所述差異性分?jǐn)?shù)滿足預(yù)設(shè)條件的圖像作為車(chē)位數(shù)據(jù)并輸出包括：
8.一種車(chē)位數(shù)據(jù)挖掘裝
9.一種計(jì)算機(jī)設(shè)備，其特征在于，所述計(jì)算機(jī)設(shè)備包括：存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器中存儲(chǔ)有指令；
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，其特征在于，所述指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的車(chē)位數(shù)據(jù)挖掘方法。
...【技術(shù)特征摘要】
1.一種車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述車(chē)位數(shù)據(jù)挖掘方法包括：
2.根據(jù)權(quán)利要求1所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述分別統(tǒng)計(jì)每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果中不同差異類型的車(chē)位數(shù)量包括：
3.根據(jù)權(quán)利要求2所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果與所述第二識(shí)別結(jié)果包括：
4.根據(jù)權(quán)利要求3所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述分別比較每張圖像對(duì)應(yīng)的所述第一識(shí)別結(jié)果中的第一車(chē)位與所述第二識(shí)別結(jié)果中的第二車(chē)位是否匹配包括：
5.根據(jù)權(quán)利要求3所述的車(chē)位數(shù)據(jù)挖掘方法，其特征在于，所述對(duì)每張圖像中所述第一深度學(xué)習(xí)模型與所述第二深度學(xué)習(xí)模型各自識(shí)別出...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：趙振宇，
申請(qǐng)(專利權(quán))人：深圳元戎啟行科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。