基于图像识别的公交车站防溅水方法、装置、设备及介质与流程

1.本技术涉及计算机视觉技术领域，具体涉及一种基于图像识别的公交车站防溅水方法、装置、设备及介质。


背景技术：

2.目前部分公交车站前方道路因重压形成不平整区域，下雨天在该区域将会形成积水，汽车行驶过该区域时，若速度过快将会把积水溅射到公交车站内候车乘客的身上。汽车驾驶人员不减速驶过积水区的行为不仅严重影响了候车乘客的出行体验，若此时乘客会对进行报警举报，还将会对汽车驾驶员带来罚款处理，造成不必要的损失。


技术实现要素：

3.鉴于以上所述现有技术的缺点，本发明提供一种基于图像识别的公交车站防溅水方法、装置、设备及介质，以解决上述技术问题。
4.本发明提供的一种基于图像识别的公交车站防溅水方法，所述方法包括：
5.获取车辆行驶过程中的道路图像；
6.将所述道路图像输入预先训练的轮廓识别模型中，通过所述预先训练的轮廓识别模型对所述道路图像进行识别，得到识别结果，所述识别结果包括多个对象的轮廓信息；
7.当所述识别结果中包括目标对象轮廓时，将所述目标对象轮廓与预先构建的参考轮廓进行匹配，得到匹配结果；
8.根据所述匹配结果生成车辆速度控制指令，通过所述车辆速度控制指令控制车辆行驶速度以避免车辆行驶至积水区域时形成溅水。
9.于本技术的一实施例中，所述将所述道路图像输入预先训练的图像轮廓识别模型中之前，包括：
10.根据预设的感兴趣区域截取所述道路图像中的待识别区域图像；
11.对所述待识别区域图像进行图像分割，得到多个对象的道路图像；
12.对所述多个对象的道路图像进行灰度化处理和二值化处理，得到预处理后的道路图像。
13.于本技术的一实施例中，所述对所述多个对象的道路图像进行灰度化处理和二值化处理，得到预处理后的道路图像之后，包括：
14.获取道路环境样本数据集，根据预设的分割比例将所述道路环境样本数据集分割为训练数据集和验证数据集，所述训练数据集和验证数据集包括道路环境样本图像和真实标签；
15.将所述训练数据集输入预先构建的轮廓识别模型中进行迭代训练，更新所述预先构建的轮廓识别模型目标函数的参数，得到初始轮廓识别模型；
16.将所述验证数据集输入所述初始轮廓识别模型，通过所述初始轮廓识别模型输出验证结果，并根据所述验证结果调整所述初始轮廓识别模型的超参数，得到所述预先训练
的轮廓识别模型。
17.于本技术的一实施例中，所述目标对象轮廓包括公交车站轮廓和/或候车乘客轮廓，所述预先构建的参考轮廓包括公交车站参考轮廓和/或候车乘客参考轮廓；
18.所述根据所述匹配结果生成车辆速度控制指令，包括：
19.若所述匹配结果为所述公交车站轮廓与所述公交车站参考轮廓匹配成功，则生成车辆减速控制指令，并根据所述车辆减速控制指令控制车辆减速；
20.若所述匹配结果为所述候车乘客轮廓与所述候车乘客参考轮廓匹配成功，则生成车辆减速控制指令，并根据所述车辆减速控制指令控制车辆减速；
21.若所述匹配结果为所述公交车站轮廓与所述公交车站参考轮廓匹配失败，或所述匹配结果为所述候车乘客轮廓与所述候车乘客参考轮廓匹配失败，则生成车辆正常行驶指令，并根据所述车辆正常行驶指令控制车辆按照当前速度行驶。
22.于本技术的一实施例中，所述目标对象轮廓包括公交车站标识牌轮廓，所述预先构建的参考轮廓包括公交车站标识牌参考轮廓；
23.所述根据所述匹配结果生成车辆速度控制指令，包括：
24.若所述匹配结果为所述公交车站标识牌轮廓与所述公交车站标识牌参考轮廓匹配成功，则生成车辆减速控制指令，并根据所述车辆减速控制指令控制车辆减速；
25.若所述匹配结果为所述公交车站标识牌轮廓与所述公交车站标识牌参考轮廓匹配失败，则生成车辆正常行驶指令，并根据所述车辆正常行驶指令控制车辆按照当前速度行驶。
26.于本技术的一实施例中，所述根据所述匹配结果生成车辆速度控制指令之后，包括：
27.将所述道路图像输入预先训练的积水识别模型中，通过所述预先训练的积水识别模型输出道路积水信息，所述道路积水信息包括积水区域面积和所述车辆距所述积水区域的距离；
28.若所述积水区域面积大于预设的面积阈值，或所述车辆距所述积水区域的距离大于预设的距离阈值，则生成变道提示信息，所述变道提示信息用于提示车辆驾驶员在当前位置开始变道。
29.于本技术的一实施例中，所述将所述识别结果与预先构建的参考轮廓进行匹配，得到匹配结果之后，包括：
30.获取车辆当前位置和导航地图，根据预设的查询范围确定所述导航地图中当前车辆位置前方的公交车站信息；
31.若所述匹配结果为匹配成功且所述公交车站信息为不存在公交车站，或所述匹配结果为匹配失败且所述公交车站信息为存在公交车站，则将所述道路图像输入预先训练的轮廓识别模型中进行重新识别，得到新的识别结果；
32.将所述新的识别结果与预先构建的参考轮廓进行匹配，得到新的匹配结果；
33.根据所述新的匹配结果重新生成车辆速度控制指令。
34.于本技术的一实施例中，提供了一种基于图像识别的公交车站防溅水装置，所述装置包括：
35.图像获取模块，用于获取车辆行驶过程中的道路图像；
36.轮廓识别模块，用于将所述道路图像输入预先训练的轮廓识别模型中，通过所述预先训练的轮廓识别模型对所述道路图像进行识别，得到识别结果，所述识别结果包括多个对象的轮廓信息；
37.轮廓匹配模块，用于当所述识别结果中包括目标对象轮廓时，将所述目标对象轮廓与预先构建的参考轮廓进行匹配，得到匹配结果；
38.指令生成模块，用于根据所述匹配结果生成车辆速度控制指令，通过所述车辆速度控制指令控制车辆行驶速度以避免车辆行驶至积水区域时形成溅水。
39.于本技术的一实施例中，提供了一种电子设备，所述电子设备包括：
40.一个或多个处理器；
41.存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如上所述的基于图像识别的公交车站防溅水方法。
42.于本技术的一实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行如上所述的基于图像识别的公交车站防溅水方法。
43.本发明的有益效果：获取车辆行驶过程中的道路图像；将道路图像输入预先训练的轮廓识别模型中，通过预先训练的轮廓识别模型对道路图像进行识别，得到识别结果；当识别结果中包括目标对象轮廓时，将目标对象轮廓与预先构建的参考轮廓进行匹配，得到匹配结果，将轮廓识别模型输出的轮廓信息与参考轮廓进行匹配，避免了因模型参数而导致的公交车站或候车乘客识别错误的情况；根据匹配结果生成车辆速度控制指令，通过车辆速度控制指令控制车辆行驶速度以避免车辆行驶至积水区域时形成溅水，当道路前方出现公交车站或候车乘客时，可直接控制车辆减速，而无需通过驾驶人员操作，确保了防溅水的实时性。
44.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
45.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
46.图1是本技术的一示例性实施例示出的基于图像识别的公交车站防溅水方法的实施环境示意图；
47.图2是本技术的一示例性实施例示出的基于图像识别的公交车站防溅水方法的流程图；
48.图3是图2所示实施例中的步骤s210之后道路图像预处理的的流程图；
49.图4是图3所示实施例中的步骤s330之后模型训练的的流程图；
50.图5是本技术的一示例性实施例示出的基于图像识别的公交车站防溅水装置的框图；
51.图6示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
52.以下将参照附图和优选实施例来说明本发明的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
53.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
54.在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
55.首先需要说明的是，机器视觉主要研究用计算机来模拟人的视觉功能，通过摄像机等得到图像，然后将它转换成数字化图像信号，再送入处理终端，利用软件从中获取所需信息，做出正确的计算和判断，通过数字图像处理算法和识别算法，对客观世界的三维景物和物体进行形态和运动识别，根据识别结果来控制现场的设备动作。
56.图像识别，是机器视觉技术中的一种，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，并对质量不佳的图像进行一系列的增强与重建技术手段，从而有效改善图像质量。图像识别技术的过程分为以下几类：图像数据的获取、数据预处理、特征抽取和选择、分类器设计和分类决策。其中，轮廓识别是图像识别技术中的一种具体应用，在包含目标和背景的数字图像中，忽略背景和目标内部的纹理以及噪声干扰的影响，采用一定的技术和方法来实现目标轮廓提取的过程。轮廓识别是目标检测、形状分析、目标是被和目标跟踪技术的重要基础。
57.机器学习(machine learning，ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。其中，机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
58.基于机器学习的强大学习能力，可通过针对大量的历史轨迹的机器学习过程，可以实现机器学习模型道路图像中的目标进行识别，以保证所识别得到的轮廓信息是更加准确可信的。示例性的，机器学习模型可以包括基于神经网络的监督模型，例如二分类机器学习模型，通过使用大量的道路环境数据对机器学习模型进行训练，以使机器学习模型在训练过程中进行模型参数调整，使得调整后的模型参数对于道路环境中的公交车站轮廓、候车乘客轮廓、公交车站标识牌轮廓进行精确识别。
59.感兴趣区域(roi，region of interest)，机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域。在图像处
理领域，感兴趣区域是从图像中选择的一个图像区域，这个区域是图像识别、分析所关注的重点，圈定该区域以便进行进一步处理。
60.图1是本技术的一示例性实施例示出的基于图像识别的公交车站防溅水方法的实施环境示意图。如图1所示，终端设备101包括但不限于具有本地计算能力的车载终端，终端设备101包括但不限于通过网络102与云端103进行通信，终端设备101包括但不限于对数据库执行操作，例如，从参考轮廓库中提取参考轮廓数据或输入参考轮廓数据。上述车载终端包括但不限于人机交互屏幕、处理器及存储器。上述人机交互屏幕包括但不限于用于道路图像轮廓识别结果和车辆减速提示。上述处理器包括但不限于用于响应上述人机交互操作以执行对应的操作，或者，对获取的数据进行计算处理以生成指令。上述存储器用于存储相关存储数据，如预先训练的轮廓识别模型参乎上信息、参考轮廓库、道路图像等。
61.在本技术的一实施例中，安装在车辆前方的360
°
高清摄像头对车辆前方的道路进行拍摄，以得到高清道路图像；将高清道路图像输入终端设备101中进行预处理，得到预处理后的道路图像；将预处理后的道路图像传输至云端103，云端103中存有有预先训练的轮廓识别模型，在预先训练的轮廓识别模型中对预处理后的道路图像进行轮廓识别，得到多个对象的轮廓信息；当多个对象的轮廓信息中包括目标对象轮廓信息时，将目标对象轮廓与云端103中预先构建的参考轮廓进行比对，得到比对结果；通过网络102将比对结果传输至终端设备102中，以生成车辆控制指令，并将车辆控制指令传输至车辆的制动组件对车辆的行驶速度进行控制。
62.需要说明的是，因为车载终端的存储能力和计算能力的限制，本技术中可例如在云端中对轮廓识别模型进行预先训练。
63.例如在下雨天车辆在道路上行驶的环境中，部分公交车站前方道路因压力造成地势下沉或裂开，此时就容易造成雨水积水区，当私家车辆以较快的速度通过该区域时，就会将水花溅到公交车站内候车的乘客身上。目前部分技术中对积水面积和深度进行识别并分析，以确定是否向车辆驾驶员发送减速预警信息，但是部分驾驶员并不会根据预警信息进行减速，依然会形成溅水。为解决这些问题，本技术的实施例分别提出一种基于图像识别的公交车站防溅水方法、一种基于图像识别的公交车站防溅水装置、一种电子设备、一种计算机可读存储介质以及一种计算机程序，以下将对这些实施例进行详细描述。
64.请参阅图2，图2是本技术的一示例性实施例示出的基于图像识别的公交车站防溅水方法的流程图。该方法可以应用于图1所示的实施环境，并由该实施环境中的云端103具体执行。应理解的是，该方法也可以适用于其它的示例性实施环境，并由其它实施环境中的设备具体执行，本实施例不对该方法所适用的实施环境进行限制。
65.如图2所示，在一示例性的实施例中，基于图像识别的公交车站防溅水方法包括步骤s210至步骤s240，详细介绍如下：
66.在步骤s210中，获取车辆行驶过程中的道路图像。
67.示例性的，每间隔10s通过安装于车辆前方的360
°
高清摄像头采集车辆行驶道路的高清图像，然后将道路图像传输至终端设备101中进行预处理。
68.在本技术的一个实施例中，获取车辆行驶过程中的道路图像后，还包括对道路图像的预处理。参见图3，图3是图2所示实施例中的步骤s210之后道路图像预处理的的流程图，详细说明如下：
69.s310、根据预设的感兴趣区域截取道路图像中的待识别区域图像。
70.本实施例中，通过感兴趣区域对道路图像中包含公交车站、候车乘客、公交车站标识牌的区域进行截取，以减少后续图像处理、识别的时间，去除噪声，增加图像识别结果的精度。
71.s320、对待识别区域图像进行图像分割，得到多个对象的道路图像。
72.示例性的，本实施例中对感兴趣区域内的图像进行图像分割，以进一步提取待识别区域中的对象。可例如，采用基于阈值的分割方法，或基于区域的分割方法，或基于边缘的分割方法将待识别区域中的待识别对象进行提取，得到多个对象的道路图像。
73.s330、对多个对象的道路图像进行灰度化处理和二值化处理，得到预处理后的道路图像。
74.示例性的，为了提高图像识别结果的准确性，在对图像进行识别之前，还需对图像进行灰度化处理和二值化处理。本实施例中采用加权平均法对多个对象的道路图像进行灰度化处理，以将图像中三个分量(red、green、bule分量，即红、绿、蓝三个分量)以不同的权值进行加权平均，得到处理后的道理图像；采用双峰法、p参数法、迭代法和otsu法的其中一种对灰度化处理后的道路图像进行处理，将大于某个临界灰度值的像素灰度设置为灰度极大值，把小于这个临界灰度值的像素灰度设置为灰度极小值。
75.在本技术的一个实施例中，对图像进行预处理后，还包括在云端中对轮廓识别模型的训练过程。参见图4，图4是图3所示实施例中的步骤s330之后模型训练的的流程图，详细说明如下：
76.s410、获取道路环境样本数据集，根据预设的分割比例将道路环境样本数据集分割为训练数据集和验证数据集；
77.s420、将训练数据集输入预先构建的轮廓识别模型中进行迭代训练，更新预先构建的轮廓识别模型目标函数的参数，得到初始轮廓识别模型；
78.s430、将验证数据集输入初始轮廓识别模型，通过初始轮廓识别模型输出验证结果，并根据验证结果调整初始轮廓识别模型的超参数，得到预先训练的轮廓识别模型。
79.在上述步骤s410至s430中，训练数据集和验证数据集包括道路环境样本图像和真实标签，通过图像和标签对模型进行训练，以更新模型中目标函数的参数，得到训练后的轮廓识别模型。
80.在步骤s220中，将道路图像输入预先训练的轮廓识别模型中，通过预先训练的轮廓识别模型对道路图像进行识别，得到识别结果。
81.示例性的，将道路图像输入预先训练的轮廓识别模型中后，在模型中对预处理后的道路图像进行轮廓识别，本技术中主要针对图像中对象轮廓进行识别，识别结果包括但不限于公交车站轮廓、候车乘客轮廓、公交车站标识牌轮廓。可以理解的，道路图像中除了包含公交车站、候车乘客和公家车站站牌之外，还包括了树木、护栏等道路常见物体，因此轮廓识别模型中还可以根据标筛选出公交车站轮廓、候车乘客轮廓、公交车站标识牌轮廓。
82.在步骤s230中，当识别结果中包括目标对象轮廓时，将目标对象轮廓与预先构建的参考轮廓进行匹配，得到匹配结果。
83.在本技术的一实施例中，目标对象轮廓包括但不限于公交车站轮廓、候车乘客轮廓、公交车站标识牌轮廓，当识别结果中包括目标对象轮廓时，需要将目标对象轮廓与云端
103中存储的参考轮廓库中的参考轮廓进行匹配。参考轮廓库中的参考轮廓为预先构建的多种类别的轮廓，可例如，包括公交车站轮廓1、公交车站轮廓2、公交车站轮廓3，将目标对象中的公交车站轮廓与公交车站轮廓1、公交车站轮廓2、公交车站轮廓3进行相似度匹配，若目标对象中的公交车站轮廓与公交车站轮廓1、公交车站轮廓2、公交车站轮廓3中任意一个轮廓的相似度在预设阈值范围内，则匹配成功；若目标对象中的公交车站轮廓与公交车站轮廓1、公交车站轮廓2、公交车站轮廓3中任意一个轮廓的相似度不在预设阈值范围内，则匹配失败。候车乘客轮廓、公交车站标识牌轮廓也可使用上述匹配方法，将目标对象的轮廓与参考轮廓库中预先构建的轮廓进行匹配，得到匹配结果。
84.需要说明的是，通过预先训练的轮廓识别模型输出识别结果时，模型中目标函数的参数依然会影响识别结果的准确度，因此本技术中添加匹配步骤，当识别结果中的目标对象轮廓与参考轮廓相匹配时，才生成车辆速度控制指令，以确保本技术中得到的道路中公交车站、候车乘客、公交车站标识牌与实际情况相符。
85.在步骤s240中，根据匹配结果生成车辆速度控制指令，通过车辆速度控制指令控制车辆行驶速度以避免车辆行驶至积水区域时形成溅水。
86.在本技术的一实施例中，当目标对象轮廓包括公交车站轮廓和/或候车乘客轮廓，预先构建的参考轮廓包括公交车站参考轮廓和/或候车乘客参考轮廓时，步骤s240中根据所述匹配结果生成车辆速度控制指令的步骤详细说明如下：
87.若匹配结果为公交车站轮廓与公交车站参考轮廓匹配成功，则生成车辆减速控制指令，并根据车辆减速控制指令控制车辆减速；
88.若匹配结果为候车乘客轮廓与候车乘客参考轮廓匹配成功，则生成车辆减速控制指令，并根据车辆减速控制指令控制车辆减速；
89.若匹配结果为公交车站轮廓与公交车站参考轮廓匹配失败，或匹配结果为候车乘客轮廓与候车乘客参考轮廓匹配失败，则生成车辆正常行驶指令，并根据车辆正常行驶指令控制车辆按照当前速度行驶。
90.本实施例中，主要包括识别成功和识别失败两种识别结果。当识别结果为识别成功时，则能确定前方道路中确实存在公交车站和/或候车乘客，此时就需要控制车辆减速以避免行驶过积水区域时产生溅水；当识别结果为识别失败时，则能确定前方道路中不存在公交车站和/或候车乘客，此时可控制车辆按照正常速度行驶。
91.在本技术的一实施例中，当目标对象轮廓包括公交车站标识牌轮廓，预先构建的参考轮廓包括公交车站标识牌参考轮廓时，步骤s240中根据所述匹配结果生成车辆速度控制指令的步骤详细说明如下：
92.若所述匹配结果为所述公交车站标识牌轮廓与所述公交车站标识牌参考轮廓匹配成功，则生成车辆减速控制指令，并根据所述车辆减速控制指令控制车辆减速；
93.若所述匹配结果为所述公交车站标识牌轮廓与所述公交车站标识牌参考轮廓匹配失败，则生成车辆正常行驶指令，并根据所述车辆正常行驶指令控制车辆按照当前速度行驶。
94.本实施例中，主要包括识别成功和识别失败两种识别恶疾过。当识别结果为识别成功时，则能确定前方道路中存在公交车站标识牌，车辆即将进入公交车站前方的积水区域，此时就需要控制车辆减速，缓慢行驶过积水区域；当识别结果为识别失败时，则能确定
前方道路中不存在公交车站标识牌，即前方不存在公交车站，此时可控制车辆按照正常速度行驶。
95.在本技术的一实施例中，在步骤s240之后，还包括控制车辆变道的步骤，详细说明如下：
96.将道路图像输入预先训练的积水识别模型中，通过预先训练的积水识别模型输出道路积水信息，所述道路积水信息包括积水区域面积和所述车辆距积水区域的距离；
97.若积水区域面积大于预设的面积阈值，或车辆距所述积水区域的距离大于预设的距离阈值，则生成变道提示信息，所述变道提示信息用于提示车辆驾驶员在当前位置开始变道。
98.本实施例中，当道路图像中存在目标对象，且目标对象前有积水区域时，可在合适的距离处提醒车辆驾驶人员进行变道，以进一步避免产生溅水。可例如，将道路图像输入预先训练的积水识别模型中，输出积水面积s和车辆距积水区域的距离d；当s大于预设的阈值时，则说明积水面积过大，仅减速行驶仍可能造成溅水；当d大于预设的阈值时，则说明前方距离足够车辆进行变道，不会因距离不足、突然变道产生交通事故；因此，当s和d大于预设的阈值时，云端103生成变道提示信息，并通过终端设备101中以进行可视化展示或语音提醒，提醒车辆驾驶员在安全距离内进行变道，避免将积水区域内的积水溅射到公交车站内的候车乘客身上。
99.在本技术的一实施例中，在步骤s240之后，还可包括与公车车站实际信息匹配的过程，详细说明如下：
100.获取车辆当前位置和导航地图，根据预设的查询范围确定所述导航地图中当前车辆位置前方的公交车站信息；
101.若所述匹配结果为匹配成功且所述公交车站信息为不存在公交车站，或所述匹配结果为匹配失败且所述公交车站信息为存在公交车站，则将所述道路图像输入预先训练的轮廓识别模型中进行重新识别，得到新的识别结果；
102.将所述新的识别结果与预先构建的参考轮廓进行匹配，得到新的匹配结果；
103.根据所述新的匹配结果重新生成车辆速度控制指令。
104.本实施例中，匹配结果因图像质量、模型参数等原因仍有可能产生错误的识别结果，导致道路图像中目标图像的信息与实际情况不符；或在与参考轮廓库中的参考轮廓进行匹配时，得到的相似度与实际情况不符，此时就需要将当行地图中的公交车站信息作为参考，以进一步精确识别结果。可例如，通过车辆定位信息确定车辆的当前位置，然后在导航地图中按照100m的范围确定车辆附近的公交车站数量、位置、距离等情况，当匹配结果与导航地图中的信息不符时，可在轮廓识别模型中重新识别目标对象轮廓，然后进行匹配以生成车辆控制指令。通过上述方法，能够进一步确保道路信息中目标对象的识别结果和匹配结果与实际情况相符，避免产生错误控制指令或预警提示。
105.图5是本技术的一示例性实施例示出的基于图像识别的公交车站防溅水装置的框图。该装置可以应用于图1所示的实施环境，并具体配置在终端设备101中，或云端103中，或终端设备101和云端设备103中。该装置也可以适用于其它的示例性实施环境，并具体配置在其它设备中，本实施例不对该装置所适用的实施环境进行限制。
106.如图5所示，该示例性的基于图像识别的公交车站防溅水装置包括：
107.图像获取模块501，用于获取车辆行驶过程中的道路图像，其中，道路图像由安装于车辆前方的高清摄像头在间隔时间内采集获得；
108.轮廓识别模块502，用于将所述道路图像输入预先训练的轮廓识别模型中，通过所述预先训练的轮廓识别模型对所述道路图像进行识别，得到识别结果，所述识别结果包括多个对象的轮廓信息；
109.轮廓匹配模块503，用于当所述识别结果中包括目标对象轮廓时，将所述目标对象轮廓与预先构建的参考轮廓进行匹配，得到匹配结果；
110.指令生成模块504，用于根据所述匹配结果生成车辆速度控制指令，通过所述车辆速度控制指令控制车辆行驶速度以避免车辆行驶至积水区域时形成溅水。
111.需要说明的是，上述实施例所提供的基于图像识别的公交车站防溅水装置与上述实施例所提供的基于图像识别的公交车站防溅水方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。上述实施例所提供的路况刷新装置在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，本处也不对此进行限制。
112.本技术的实施例还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述各个实施例中提供的基于图像识别的公交车站防溅水方法。
113.图6示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。需要说明的是，图6示出的电子设备的计算机系统600仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
114.如图6所示，计算机系统600包括中央处理单元(central processing unit，cpu)601，其可以根据存储在只读存储器(read-only memory，rom)602中的程序或者从储存部分608加载到随机访问存储器(random access memory，ram)603中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在ram 603中，还存储有系统操作所需的各种程序和数据。cpu 601、rom 602以及ram 603通过总线604彼此相连。输入/输出(input/output，i/o)接口605也连接至总线604。
115.以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分607；包括硬盘等的储存部分608；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入储存部分608。
116.特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本技术的系统中限定
的各种功能。
117.需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
118.附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
119.描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
120.本技术的另一方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机的处理器执行时，使计算机执行如前基于图像识别的公交车站防溅水方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。
121.本技术的另一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各个实施例中提供的基于图像识别的公交车站防溅水法。
122.上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。