车体前档检测方法、装置、设备及存储介质与流程

1.本发明涉及目标检测技术领域，尤其涉及一种车体前档检测方法、装置、设备及存储介质。


背景技术：

2.在汽车生产线上，汽车在组装时每组装完一个部件就可以经汽车生产线运往下一个工位进行组装，同时为了监控汽车组装状态，在每一个工位会安装一个摄像头，以拍摄组装完成的汽车，根据组装的部件不同，所拍摄的汽车部位也不同，且每个部位都会对应的保存很多张图片，例如：面对汽车前档时，需要在众多车体前档照片中挑选出位于视野正中的一张图片进行存档，便于后期质保，但是在挑选合适的照片时，传统的方法需要依靠人眼进行选择，人工成本较高。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

4.本发明的主要目的在于提供一种车体前档检测，旨在解决现有技术选择前档在视野正中的图片依靠人眼进行选择，人工成本较高的技术问题。
5.为实现上述目的，本发明提供了一种车体前档检测方法，所述方法包括以下步骤：
6.获取待检测图像，并确定所述待检测图像的中心区域；
7.将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果；
8.所述车档检测结果为所述中心区域存在车体前档时，存储所述待检测图像。
9.可选地，所述获取待检测图像，并确定所述待检测图像的中心区域，包括：
10.获取待检测图像与对应的图像参数，并获取当前流水线速度参数；
11.根据所述当前流水线速度参数与所述图像参数在所述待检测图像中划分出中心区域。
12.可选地，所述根据所述当前流水线速度参数与所述图像参数在所述待检测图像中划分出中心区域，包括：
13.根据所述当前流水线速度参数与所述图像参数确定中心区域参数，所述中心区域参数包括：中心区域宽度、中心区域高度以及中心区域顶点坐标；
14.基于所述中心区域宽度、所述中心区域高度以及所述中心区域顶点坐标在所述待检测图像中划分出中心区域。
15.可选地，所述根据所述当前流水线速度参数与所述图像参数确定中心区域参数，包括：
16.提取所述图像参数中的待检测图像高度与待检测图像宽度；
17.基于所述当前流水线速度参数确定所述待检测图像的中心区域高度；
18.根据所述待检测图像宽度确定所述待检测图像的中心区域宽度；
19.根据所述当前流水线速度参数与所述待检测图像高度确定中心区域顶点坐标。
20.可选地，所述将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果，包括：
21.通过预设车体前档检测模型对所述待检测图像进行车体前档检测，确定所述待检测图像中是否存在车体前档；
22.若存在，则获取所述车体前档的中心位置；
23.根据所述中心位置与所述待检测图像的中心区域确定车档检测结果。
24.可选地，所述通过预设车体前档检测模型对所述待检测图像进行车体前档检测，确定所述待检测图像中是否存在车体前档之后，还包括：
25.若不存在，则确定当前全局变量是否为空集；
26.在所述当前全局变量为空集时，返回获取待检测图像，并确定所述待检测图像的中心区域图像的步骤。
27.可选地，所述若不存在，则确定当前全局变量是否为空集之后，还包括：
28.在所述当前全局变量不为空集时，提取所述当前全局变量对应的目标图像；
29.存储所述目标图像，并将所述当前全局变量更新为空集。
30.可选地，所述获取所述车体前档的中心位置，包括：
31.标注所述待检测图像中的目标车体前档，获得车体前档标注框；
32.提取所述车体前档标注框的标注框长度与标注框宽度；
33.根据所述标注框长度与所述标注框宽度确定车体前档中心位置。
34.可选地，所述根据所述中心位置与所述待检测图像的中心区域确定车档检测结果，包括：
35.将所述中心位置与所述待检测图像的中心区域进行匹配；
36.在匹配成功时，车档检测结果为所述中心区域存在所述车体前档；
37.在匹配失败时，车档检测结果为存在车体前档，但所述车体前档不在所述中心区域。
38.可选地，所述在所述中心区域存在车体前档时，存储所述待检测图像，包括：
39.在所述中心区域图像存在车体前档时，获取目标全局变量；
40.根据所述待检测图像更新所述目标全局变量，并将更新后的目标全局变量对应的待检测图像进行存储。
41.可选地，所述将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果之后，还包括：
42.所述车档检测结果为存在所述车体前档，但所述车体前档不在所述中心区域，则返回获取待检测图像，并确定所述待检测图像的中心区域图像的步骤。
43.可选地，所述将所述待检测图像通过预设车体前档检测模型进行车体前档检测之前，还包括：
44.获取待检测图像样本与对应的车档检测结果样本；
45.将所述待检测图像样本与所述车档检测结果样本通过初始神经网络模型进行模型训练，获得预设车体前档检测模型。
46.此外，为实现上述目的，本发明还提出一种车体前档检测装置，所述车体前档检测装置包括：图像获取模块、前档检测模块以及图像处理模块；
47.所述图像获取模块，用于获取待检测图像，并确定所述待检测图像的中心区域；
48.所述前档检测模块，用于将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果；
49.所述图像处理模块，用于所述车档检测结果为所述中心区域存在车体前档时，存储所述待检测图像。
50.可选地，所述图像获取模块，还用于获取待检测图像与对应的图像参数，并获取当前流水线速度参数；
51.根据所述当前流水线速度参数与所述图像参数在所述待检测图像中划分出中心区域。
52.可选地，所述图像获取模块，还用于根据所述当前流水线速度参数与所述图像参数确定中心区域参数，所述中心区域参数包括：中心区域宽度、中心区域高度以及中心区域顶点坐标；
53.基于所述中心区域宽度、所述中心区域高度以及所述中心区域顶点坐标在所述待检测图像中划分出中心区域。
54.可选地，所述图像获取模块，还用于提取所述图像参数中的待检测图像高度与待检测图像宽度；
55.基于所述当前流水线速度参数确定所述待检测图像的中心区域高度；
56.根据所述待检测图像宽度确定所述待检测图像的中心区域宽度；
57.根据所述当前流水线速度参数与待检测图像高度确定中心区域顶点坐标。
58.可选地，所述前档检测模块，还用于通过预设车体前档检测模型对所述待检测图像进行车体前档检测，确定所述待检测图像中是否存在车体前档；
59.若存在，则获取车体前档的中心位置；
60.根据所述中心位置与所述待检测图像的中心区域确定车档检测结果。
61.可选地，所述前档检测模块，还用于若不存在，则确定当前全局变量是否为空集；
62.在所述当前全局变量为空集时，返回获取待检测图像，并确定所述待检测图像的中心区域图像的步骤。
63.此外，为实现上述目的，本发明还提出一种车体前档检测设备，所述车体前档检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车体前档检测程序，所述车体前档检测程序配置为实现如上文所述的车体前档检测方法的步骤。
64.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有车体前档检测程序，所述车体前档检测程序被处理器执行时实现如上文所述的车体前档检测方法的步骤。
65.本发明公开了获取待检测图像，并确定所述待检测图像的中心区域；将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果；所述车档检测结果为所述中心区域存在车体前档时，存储所述待检测图像，与现有技术中通过人眼对众多前档图片进行选择相比，本发明通过先确定摄像头采集的待检测图像的中心区域，并将摄像头采集的待检测图像通过预设车体前档检测模型进行车体前档检测，以判断待检测图
像中的车体前档是否在中心区域，若中心区域存在车体前档，直接上传该待检测图像，无需人工以人眼进行选择前档图像，解决了现有技术选择前档在视野正中的图片依靠人眼进行选择，人工成本较高的技术问题，并提高了选择图片的效率。
附图说明
66.图1是本发明实施例方案涉及的硬件运行环境的车体前档检测设备的结构示意图；
67.图2为本发明车体前档检测方法第一实施例的流程示意图；
68.图3为本发明车体前档检测方法一实施例的车档位于待检测图像不同位置示意图；
69.图4为本发明车体前档检测方法第二实施例的流程示意图；
70.图5为本发明车体前档检测方法一实施例的中心区域示意图；
71.图6为本发明车体前档检测方法第三实施例的流程示意图；
72.图7为本发明车体前档检测方法一实施例的车档标注框示意图；
73.图8为本发明车体前档检测装置第一实施例的结构框图。
74.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
75.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
76.参照图1，图1为本发明实施例方案涉及的硬件运行环境的车体前档检测设备结构示意图。
77.如图1所示，该车体前档检测设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
78.本领域技术人员可以理解，图1中示出的结构并不构成对车体前档检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
79.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车体前档检测程序。
80.在图1所示的车体前档检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明车体前档检测设备中的处理器1001、存储器1005可以设置在车体前档检测设备中，所述车体前档检测设备通过处理器1001调用存储器1005中存储的车体前档检测程序，并执行本发明实施例提供的车体前档检测方法。
81.本发明实施例提供了一种车体前档检测方法，参照图2，图2为本发明一种车体前
档检测方法第一实施例的流程示意图。
82.本实施例中，所述车体前档检测方法包括以下步骤：
83.步骤s10：获取待检测图像，并确定所述待检测图像的中心区域。
84.需要说明的是，本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的车体前档检测设备，例如：控制计算机或者电脑等，还可以是其他可以实现相同或相似功能的设备，本实施例对此不做具体限制，在本实施例以及下述实施例中将会以控制计算机为例进行说明。
85.可以理解的是，待检测图像是指通过汽车组装流水线上安装的摄像头采集的汽车组装图像，其中，在本实施例中，可以是指流水线上采集到的车体前档流水线上的图像，其中，摄像头若是采集的是视频数据，还可以对视频数据进行图像帧提取，以获得每一帧图像，本实施例对此不做具体限制。
86.值得说明的是，待检测图像的中心区域是指在待检测图像中划分的视野中心区域，其中，视野中心区域的范围可以更改，且在待检测图像中，视野中心区域一般呈中心对称状态，保证车体前档检测准确性。
87.在具体实现中，中心区域的宽度可以与待检测图像的宽度相同，且中心区域的高度要比待检测图像高度要小，其中，由于中心区域的高度还与摄像头对应区域的流水线速度呈正相关。
88.步骤s20：将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果。
89.应当说明的是，预设车体前档检测模型用于检测待检测图像中是否存在车体前档，且存在车体前档时，还需要判断车体前档是否位于待检测图像中划分出的中心区域，其中，预设车体前档检测模型是预先训练好的深度学习网络模型。
90.在具体实现中，深度学习模型可以充分识别并利用车体前档的特征，所以车体前档检测的准确率也可以达到99％甚至更高；通过添加合理的逻辑判断，从而针对从一辆车经过摄像头图像采集视野过程中选择一张前档在视野正中的图片的准确率达到98％，误报率有0.21％，完全能够替代人工肉眼进行选择，提高工作效率。
91.进一步地，为了获得预设车体前档检测模型，所述步骤s20之前，还包括：
92.获取待检测图像样本与对应的车档检测结果样本；
93.将所述待检测图像样本与所述车档检测结果样本通过初始神经网络模型进行模型训练，获得预设车体前档检测模型。
94.可以理解的是，初始神经网络模型可以是yolov5检测模型，还可以是其他具有相同或者相似功能的检测模型，本实施例对此不做具体限制。
95.在具体实现中，参考图3，1为待检测图像；2为中心区域；3为车体前档；车档检测结果可以是待检测图像中存在车体前档，且该车体前档位于待检测图像中的中心区域，参考图3中的a；还可以是待检测图像中存在车体前档，但是该车体前档不位于待检测图像中的中心区域，参考图3中的b和d；还可以是待检测图像中不存在车体前档，参考图3中的c。
96.步骤s30：所述车档检测结果为所述中心区域存在车体前档时，存储所述待检测图像。
97.需要说明的是，参考图3中的a，当车档检测结果为中心区域存在车体前档时，表示
待检测图像视野中心位置采集到了车体前档，完成了对于待检测图像的选择，解决了通过人眼进行选择成本高的技术问题。
98.第一实施例公开了获取待检测图像，并确定所述待检测图像的中心区域；将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果；所述车档检测结果为所述中心区域存在车体前档时，存储所述待检测图像，本实施例通过先确定摄像头采集的待检测图像的中心区域，并将摄像头采集的待检测图像通过预设车体前档检测模型进行车体前档检测，以判断待检测图像中的车体前档是否在中心区域，若中心区域存在车体前档，直接上传该待检测图像，无需人工以人眼进行选择前档图像，解决了现有技术选择前档在视野正中的图片依靠人眼进行选择，人工成本较高的技术问题，并提高了选择图片的效率。
99.参考图4，图4为本发明一种车体前档检测方法第二实施例的流程示意图。
100.基于上述第一实施例，提出本发明车体前档检测方法的第二实施例。
101.在本实施例中，所述步骤s10，包括：
102.步骤s101：获取待检测图像与对应的图像参数，并获取当前流水线速度参数。
103.值得说明的是，由于摄像头采集图像时，流水线在不间断的运行，在摄像头图像采集频率不变的情况下，流水线速度越快，采集到的图像越少，且越容易丢失车体前档位于中心位置的图像，使得后续车体前档检测的准确率下降。
104.因此，在划分待检测图像中的中心区域时，需要参考流水线速度，流水线速度越大，中心区域越大，以获得更多的图像帧数；流水线速度越小，中心区域越小，减少图像帧数与前档检测工作量，提高工作效率。
105.可以理解的是，图像参数是指待检测图像的长度与宽度等信息，当前流水线速度是指摄像头采集待检测图像时刻的流水线速度。
106.步骤s102：根据所述当前流水线速度参数与所述图像参数在所述待检测图像中划分出中心区域。
107.需要说明的是，划分中心区域时，中心区域的宽度与待检测图像的宽度相同，且中心区域的高度与当前流水线速度正相关，为了划分准确的中心区域，所述步骤s102，包括：
108.根据所述当前流水线速度参数与所述图像参数确定中心区域参数，所述中心区域参数包括：中心区域宽度、中心区域高度以及中心区域顶点坐标；
109.基于所述中心区域宽度、所述中心区域高度以及所述中心区域顶点坐标在所述待检测图像中划分出中心区域。
110.在具体实现中，参考图5，中心区域的宽度与待检测图像的宽度相同，中心区域的高度获取公式为：
111.h
roi
＝center_range*2
112.其中，h
roi
为中心区域的高度，center_range为流水线速度对应的高度参数。
113.易于理解的是，center_range与流水线速度之间存在正相关，且正相关的比例可以由用户进行修改，在本实施例中，center_range可以是20像素，本实施例对此不做具体限制。
114.此外，中心区域顶点坐标可以是中心区域的左上顶点坐标，还可以是其他的顶点坐标，在确定顶点坐标时，需要预先在待检测图像中建立直角坐标系，该坐标系的原点可以
是待检测图像的左上顶点，还可以是其他的顶点坐标，本实施例对此不做具体限制。
115.在具体实现中，在直角坐标系的原点坐标为待检测坐标的左上顶点时，且需要确定中心区域的左上顶点坐标时，该左上顶点横坐标为0，纵坐标的获取公式为：
[0116][0117]
其中，h为待检测图像的高度，center_range为流水线速度对应的高度参数。
[0118]
第二实施例公开了通过流水线速度与待检测图像的图像参数确定中心区域的顶点坐标、中心区域高度以及中心区域宽度等，进而根据中心区域的顶点坐标、中心区域高度以及中心区域宽度，在待检测图像中划分出对应中心区域。
[0119]
参考图6，图6为本发明一种车体前档检测方法第三实施例的流程示意图。
[0120]
基于上述第二实施例，提出本发明车体前档检测方法的第三实施例。
[0121]
在本实施例中，所述步骤s20，包括：
[0122]
步骤s201：通过预设车体前档检测模型对所述待检测图像进行车体前档检测，确定所述待检测图像中是否存在车体前档。
[0123]
应当说明的是，预设车体前档检测模型用于检测待检测图像中是否存在车体前档，且存在车体前档时，还需要判断车体前档是否位于待检测图像中划分出的中心区域，其中，预设车体前档检测模型是预先训练好的深度学习网络模型。
[0124]
因此，参考图3、根据车体前档是否存在且是否存在于中心区域可以将检测结果分为三种，分别为：1、存在车体前档，且车体前档位于中心区域；2、存在车体前档，但是车体前档不位于中心区域；3、不存在车体前档。
[0125]
进一步地，为了获得全部待检测图像中是否存在车体前档的检测结果，所述步骤s201之后，还包括：
[0126]
若不存在，则确定当前全局变量是否为空集；
[0127]
在所述当前全局变量为空集时，返回获取待检测图像，并确定所述待检测图像的中心区域图像的步骤。
[0128]
需要说明的是，全局变量是为了方便控制计算机存储待检测图像进而定义的可调用信息，其中，全局变量在存储该图像时，是通过将图像对应的图像数据，封装到全局变量中，以便于后续进行读取时，也可以通过直接调用全局变量中的图像数据，进而进行复原，获得待检测图像。
[0129]
可以理解的是，当前全局变量是指控制计算机在进行车体前档检测时的全局变量，若当前全局变量为空集，则表示此时没有找到合适的车体前档位于中心区域的待检测图像，因此还需要重新获取待检测图像，并对新的待检测图像进行车体前档检测。
[0130]
进一步地，若是当前全局变量不为空集，则表示当前全局变量中存在图像，所述若不存在，则确定当前全局变量是否为空集的步骤之后，还包括：
[0131]
在所述当前全局变量不为空集时，提取所述当前全局变量对应的目标图像；
[0132]
存储所述目标图像，并将所述当前全局变量更新为空集。
[0133]
在具体实现中，若是当前全局变量不为空集，则表示已经存在合适的车体前档位于中心区域的待检测图像，此时，可以将当前全局变量中的存储图像提取出来，上传并存储该图像，最后将当前全局变量更新为空集，以便于后续存储流水线上下一张合适的车体前
档图像。
[0134]
步骤s202：若存在，则获取所述车体前档的中心位置。
[0135]
值得说明的是，车体前档的中心位置是指车体前档在待检测图像中的物理中心位置，参考图3，由于车体前档区域较大，在摄像头采集流水线上的图像时，会存在车体前档处于中心区域的边缘，此时，对于检测待检测图像的中心区域是否存在车体前档时，会存在干扰，因此，为了使得检测结果更准确，通过将车体前档的中心位置与中心区域进行对比，提高检测结果的准确性。
[0136]
进一步地，为了获得车体前档的中心位置，所述步骤s202包括：
[0137]
标注所述待检测图像中的目标车体前档，获得车体前档标注框；
[0138]
提取所述车体前档标注框的标注框长度与标注框宽度；
[0139]
根据所述标注框长度与标注框宽度确定车体前档中心位置。
[0140]
可以理解的是，参考图7，车体前档标注框为车体前档的轮廓，其中，由于车体前档的轮廓可能不规则，因此，在标注时可以让标注框囊括所有的车体前档即可。
[0141]
在具体实现中，取标注框长度一半处与标注框宽度的一半处的交汇点作为车体前档中心位置。
[0142]
步骤s203：根据所述中心位置与所述待检测图像的中心区域确定车档检测结果。
[0143]
可以理解的是，确定车体前档的中心位置是否位于待检测图像中的中心区域，根据中心位置不同，存在两种检测结果：1、中心区域存在车体前档；2、存在车体前档，但不在所述中心区域。
[0144]
进一步地，所述根据所述中心位置与所述待检测图像的中心区域确定车档检测结果，包括：
[0145]
将所述中心位置与所述待检测图像的中心区域进行匹配；
[0146]
在匹配成功时，车档检测结果为所述中心区域存在所述车体前档；
[0147]
在匹配失败时，车档检测结果为存在所述车体前档，但所述车体前档不在所述中心区域。
[0148]
本实施例公开了通过预设车体前档检测模型对所述待检测图像进行车体前档检测，确定所述待检测图像中是否存在车体前档；若存在，则获取车体前档的中心位置；根据所述中心位置与所述待检测图像的中心区域确定车档检测结果，本实施例通过先后判断是否存在车体前档以及车体前档是否位于待检测图像的中心区域，以获得准确的车体前档检测结果，以便于选择处于视野中心位置的车档图像。
[0149]
所述步骤s30，包括：
[0150]
步骤s301：在所述中心区域图像存在车体前档时，获取目标全局变量。
[0151]
值得说明的是，目标全局变量在第一次的车体前档检测过程中，全局变量为空集，即不存在图像，且在后续每一次的上传存储过程中，都会将全局变量更新为空集，以便后续进行新的图像存储。
[0152]
步骤s302：根据所述待检测图像更新所述目标全局变量，并将更新后的目标全局变量对应的待检测图像进行存储。
[0153]
值得说明的是，更新目标全局变量是将待检测图像对应的图像数据，通过封装的形式，存储到目标全局变量中，以便于后续进行读取时，也可以通过直接调用目标全局变量
中的图像数据，进而进行复原，获得待检测图像。
[0154]
进一步地，在所述中心区域存在车体前档时，存储所述待检测图像之后，还包括：
[0155]
若存在车体前档，但所述车体前档不在所述中心区域，则返回获取待检测图像，并确定所述待检测图像的中心区域图像的步骤。
[0156]
在具体实现中，存在车体前档，但是车体前档不在中心区域，表示此时，车体前档可能还未进入中心区域，即该车还没有采集到合适的车体前档图像；还可以是已经通过中心区域，即该车已经上传并存储了合适的车体前档图片。
[0157]
本实施例公开了在所述中心区域图像存在车体前档时，获取目标全局变量；根据所述待检测图像更新所述目标全局变量，并将更新后的目标全局变量对应的待检测图像进行存储，本实施例通过将车体前档存在于中心区域的待检测图像复制到全局变量中，以便于后续上传全局变量中的存储的图像数据。
[0158]
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有车体前档检测程序，所述车体前档检测程序被处理器执行时实现如上文所述的车体前档检测方法的步骤。
[0159]
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
[0160]
参照图8，图8为本发明车体前档检测装置第一实施例的结构框图。
[0161]
如图8所示，本发明实施例提出的车体前档检测装置包括：图像获取模块10、前档检测模块20以及图像处理模块30；
[0162]
所述图像获取模块10，用于获取待检测图像，并确定所述待检测图像的中心区域。
[0163]
可以理解的是，待检测图像是指通过汽车组装流水线上安装的摄像头采集的汽车组装图像，其中，在本实施例中，可以是指流水线上采集到的车体前档流水线上的图像，其中，摄像头若是采集的是视频数据，还可以对视频数据进行图像帧提取，以获得每一帧图像，本实施例对此不做具体限制。
[0164]
值得说明的是，待检测图像的中心区域是指在待检测图像中划分的视野中心区域，其中，视野中心区域的范围可以更改，且在待检测图像中，视野中心区域一般呈中心对称状态，保证车体前档检测准确性。
[0165]
在具体实现中，中心区域的宽度可以与待检测图像的宽度相同，且中心区域的高度要比待检测图像高度要小，其中，由于中心区域的高度还与摄像头对应区域的流水线速度呈正相关。
[0166]
所述前档检测模块20，用于将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果。
[0167]
应当说明的是，预设车体前档检测模型用于检测待检测图像中是否存在车体前档，若存在，车体前档是否位于待检测图像中划分出的中心区域，其中，预设车体前档检测模型是预先训练好的深度学习网络模型。
[0168]
在具体实现中，深度学习模型可以充分车体前档的特征，所以车体前档检测的准确率也可以达到99％甚至更高；通过添加合理的逻辑判断，从而针对从一辆车经过摄像头图像采集视野过程中选择一张前档在视野正中的图片的准确率达到98％，误报率有0.21％，完全能够替代人工肉眼进行选择，提高工作效率。
[0169]
进一步地，为了获得预设车体前档检测模型，所述前档检测模块20还用于：
[0170]
获取待检测图像样本与对应的车档检测结果样本；
[0171]
将所述待检测图像样本与所述车档检测结果样本通过初始神经网络模型进行模型训练，获得预设车体前档检测模型。
[0172]
可以理解的是，初始神经网络模型可以是yolov5检测模型，还可以是其他具有相同或者相似功能的检测模型，本实施例对此不做具体限制。
[0173]
在具体实现中，车档检测结果可以是待检测图像中存在车体前档，且该车体前档位于待检测图像中的中心区域，参考图3中的a；还可以是待检测图像中存在车体前档，但是该车体前档不位于待检测图像中的中心区域，参考图3中的b和d；还可以是待检测图像中不存在车体前档，参考图3中的c。
[0174]
所述图像处理模块30，用于所述车档检测结果为所述中心区域存在车体前档时，存储所述待检测图像。
[0175]
需要说明的是，参考图3中的a，当车档检测结果为中心区域存在车体前档时，表示待检测图像视野中心位置采集到了车体前档，完成了对于待检测图像的选择，解决了通过人眼进行选择成本高的技术问题。
[0176]
本实施例公开了获取待检测图像，并确定所述待检测图像的中心区域；将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果；所述车档检测结果为所述中心区域存在车体前档时，存储所述待检测图像，本实施例通过先确定摄像头采集的待检测图像的中心区域，并将摄像头采集的待检测图像通过预设车体前档检测模型进行车体前档检测，以判断待检测图像中的车体前档是否在中心区域，若中心区域存在车体前档，直接上传该待检测图像，无需人工以人眼进行选择前档图像，解决了现有技术选择前档在视野正中的图片依靠人眼进行选择，人工成本较高的技术问题，并提高了选择图片的效率。
[0177]
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
[0178]
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
[0179]
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的车体前档检测方法，此处不再赘述。
[0180]
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0181]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0182]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做
出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0183]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
[0184]
本发明公开了a1、一种车体前档检测方法，所述车体前档检测方法包括：
[0185]
获取待检测图像，并确定所述待检测图像的中心区域；
[0186]
将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果；
[0187]
所述车档检测结果为所述中心区域存在车体前档时，存储所述待检测图像。
[0188]
a2、如a1所述的车体前档检测方法，所述获取待检测图像，并确定所述待检测图像的中心区域，包括：
[0189]
获取待检测图像与对应的图像参数，并获取当前流水线速度参数；
[0190]
根据所述当前流水线速度参数与所述图像参数在所述待检测图像中划分出中心区域。
[0191]
a3、如a2所述的车体前档检测方法，所述根据所述当前流水线速度参数与所述图像参数在所述待检测图像中划分出中心区域，包括：
[0192]
根据所述当前流水线速度参数与所述图像参数确定中心区域参数，所述中心区域参数包括：中心区域宽度、中心区域高度以及中心区域顶点坐标；
[0193]
基于所述中心区域宽度、所述中心区域高度以及所述中心区域顶点坐标在所述待检测图像中划分出中心区域。
[0194]
a4、如a3所述的车体前档检测方法，所述根据所述当前流水线速度参数与所述图像参数确定中心区域参数，包括：
[0195]
提取所述图像参数中的待检测图像高度与待检测图像宽度；
[0196]
基于所述当前流水线速度参数确定所述待检测图像的中心区域高度；
[0197]
根据所述待检测图像宽度确定所述待检测图像的中心区域宽度；
[0198]
根据所述当前流水线速度参数与所述待检测图像高度确定中心区域顶点坐标。
[0199]
a5、如a1所述的车体前档检测方法，所述将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果，包括：
[0200]
通过预设车体前档检测模型对所述待检测图像进行车体前档检测，确定所述待检测图像中是否存在车体前档；
[0201]
若存在，则获取所述车体前档的中心位置；
[0202]
根据所述中心位置与所述待检测图像的中心区域确定车档检测结果。
[0203]
a6、如a5所述的车体前档检测方法，所述通过预设车体前档检测模型对所述待检测图像进行车体前档检测，确定所述待检测图像中是否存在车体前档之后，还包括：
[0204]
若不存在，则确定当前全局变量是否为空集；
[0205]
在所述当前全局变量为空集时，返回获取待检测图像，并确定所述待检测图像的
中心区域图像的步骤。
[0206]
a7、如a6所述的车体前档检测方法，所述若不存在，则确定当前全局变量是否为空集之后，还包括：
[0207]
在所述当前全局变量不为空集时，提取所述当前全局变量对应的目标图像；
[0208]
存储所述目标图像，并将所述当前全局变量更新为空集。
[0209]
a8、如a5所述的车体前档检测方法，所述获取所述车体前档的中心位置，包括：
[0210]
标注所述待检测图像中的目标车体前档，获得车体前档标注框；
[0211]
提取所述车体前档标注框的标注框长度与标注框宽度；
[0212]
根据所述标注框长度与所述标注框宽度确定车体前档中心位置。
[0213]
a9、如a5所述的车体前档检测方法，所述根据所述中心位置与所述待检测图像的中心区域确定车档检测结果，包括：
[0214]
将所述中心位置与所述待检测图像的中心区域进行匹配；
[0215]
在匹配成功时，车档检测结果为所述中心区域存在所述车体前档；
[0216]
在匹配失败时，车档检测结果为存在所述车体前档，但所述车体前档不在所述中心区域。
[0217]
a10、如a1所述的车体前档检测方法，所述在所述中心区域存在车体前档时，存储所述待检测图像，包括：
[0218]
在所述中心区域图像存在车体前档时，获取目标全局变量；
[0219]
根据所述待检测图像更新所述目标全局变量，并将更新后的目标全局变量对应的待检测图像进行存储。
[0220]
a11、如a1所述的车体前档检测方法，所述将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果之后，还包括：
[0221]
所述车档检测结果为存在所述车体前档，但所述车体前档不在所述中心区域，则返回获取待检测图像，并确定所述待检测图像的中心区域图像的步骤。
[0222]
a12、如a1至a11中任一项所述的车体前档检测方法，所述将所述待检测图像通过预设车体前档检测模型进行车体前档检测之前，还包括：
[0223]
获取待检测图像样本与对应的车档检测结果样本；
[0224]
将所述待检测图像样本与所述车档检测结果样本通过初始神经网络模型进行模型训练，获得预设车体前档检测模型。
[0225]
本发明还公开了b13、一种车体前档检测装置，所述车体前档检测装置包括：图像获取模块、前档检测模块以及图像处理模块；
[0226]
所述图像获取模块，用于获取待检测图像，并确定所述待检测图像的中心区域；
[0227]
所述前档检测模块，用于将所述待检测图像通过预设车体前档检测模型进行车体前档检测，获得车档检测结果；
[0228]
所述图像处理模块，用于所述车档检测结果为所述中心区域存在车体前档时，存储所述待检测图像。
[0229]
b14、如b13所述的车体前档检测装置，所述图像获取模块，还用于获取待检测图像与对应的图像参数，并获取当前流水线速度参数；
[0230]
根据所述当前流水线速度参数与所述图像参数在所述待检测图像中划分出中心
区域。
[0231]
b15、如b14所述的车体前档检测装置，所述图像获取模块，还用于根据所述当前流水线速度参数与所述图像参数确定中心区域参数，所述中心区域参数包括：中心区域宽度、中心区域高度以及中心区域顶点坐标；
[0232]
基于所述中心区域宽度、所述中心区域高度以及所述中心区域顶点坐标在所述待检测图像中划分出中心区域。
[0233]
b16、如b15所述的车体前档检测装置，所述图像获取模块，还用于提取所述图像参数中的待检测图像高度与待检测图像宽度；
[0234]
基于所述当前流水线速度参数确定所述待检测图像的中心区域高度；
[0235]
根据所述待检测图像宽度确定所述待检测图像的中心区域宽度；
[0236]
根据所述当前流水线速度参数与待检测图像高度确定中心区域顶点坐标。
[0237]
b17、如b13所述的车体前档检测装置，所述前档检测模块，还用于通过预设车体前档检测模型对所述待检测图像进行车体前档检测，确定所述待检测图像中是否存在车体前档；
[0238]
若存在，则获取所述车体前档的中心位置；
[0239]
根据所述中心位置与所述待检测图像的中心区域确定车档检测结果。
[0240]
b18、如b17所述的车体前档检测装置，所述前档检测模块，还用于若不存在，则确定当前全局变量是否为空集；
[0241]
在所述当前全局变量为空集时，返回获取待检测图像，并确定所述待检测图像的中心区域图像的步骤。
[0242]
本发明还公开了c19、一种车体前档检测设备，所述车体前档检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车体前档检测程序，所述车体前档检测程序配置为实现如上文所述的车体前档检测方法。
[0243]
本发明还公开了d20、一种存储介质，所述存储介质上存储有车体前档检测程序，所述车体前档检测程序被处理器执行时实现如上文所述的车体前档检测方法。