(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211306830.8 (22)申请日 2022.10.25 (71)申请人 苏州挚途科技有限公司 地址 215100 江苏省苏州市相城区高铁新 城青龙港路58号天成时代商务广场 11、 12层 (72)发明人 程涵　戴令正　韩志华　张旭　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张文娥 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 智能驾驶中的对象预测方法、 装置及电子设 备 (57)摘要 本发明提供了一种智能驾驶中的对象预测 方法、 装置及电子设备， 首先获取车载摄像头采 集的待处理图像； 其中， 待处理图像中包括多种 类别的对象； 对待处理图像进行特征提取， 得到 特征提取结果； 将特征提取结果 分别输入至每种 类别对应的检测分支， 以得到每种类别的对象 中， 每个对象的对象预测结果； 其中， 每种类别所 对应的检测分支的数量与类别相关联。 该方式可 以将对待处理图像进行特征提取后得到的特征 提取结果分别输入至每种类别对应的检测分支， 以对每种类别的对象中的每个对象分别进行检 测， 并且由于每种类别对应的检测分支的数量与 类别相关联， 从而可以提高对不同类别对象 的预 测精度和计算效率。 权利要求书2页 说明书9页 附图3页 CN 115376093 A 2022.11.22 CN 115376093 A 1.一种智能驾驶中的对象预测方法， 其特 征在于， 所述方法包括： 获取车载摄像头采集的待处 理图像； 其中， 所述待处 理图像中包括多种类别的对象； 对所述待处 理图像进行 特征提取， 得到特 征提取结果； 将所述特征提取结果分别输入至每种类别对应的检测分支， 以得到每种类别的对象 中， 每个对象的对象预测结果； 其中， 每种类别所对应的检测分支的数量与所述类别相关 联。 2.根据权利要求1所述的方法， 其特征在于， 针对每个对象的对象预测结果， 该对象预 测结果中包括： 置信度、 该对象预测结果匹配的目标预测框的位置信息， 以及该对象所属的 类别信息。 3.根据权利要求1所述的方法， 其特征在于， 多种类别 中， 指定类别的每个指定对象包 括多个待检测部位； 针对每个指定对象， 该指定对象的对象预测结果根据该指定对象的每个待检测部位的 部位预测结果确定； 其中， 针对每个待检测部位的部位预测结果， 该部位预测结果中包括： 置信度、 该部位预测结果匹配的部位预测框的位置信息， 以及该待检测部位所属的类别信 息。 4.根据权利要求3所述的方法， 其特征在于， 该指定类别所对应的检测分支的数量预先 根据多个所述待检测部位匹配的部位预测框之间的交叉关系确定 。 5.根据权利要求2所述的方法， 其特征在于， 每个对象被配置一预选框； 所述位置信息 包括： 所述 目标预测框的中心点相对于所述预选框的中心点的中心位置偏移、 所述 目标预 测框的宽度相对于所述预选框的宽度的宽度变化信息、 所述目标预测框的高度相对于所述 预选框的高度的高度变化信息 。 6.根据权利要求2所述的方法， 其特征在于， 所述特征提取结果为特征图； 所述位置信 息包括： 所述目标 预测框的每 个边相对于所述特 征图中指定点的偏移 距离。 7.根据权利要求1所述的方法， 其特征在于， 对所述待处理图像进行特征提取， 得到特 征提取结果的步骤 包括： 对所述待处理图像进行预处理， 得到处理后的图像； 其中， 所述预处理的方式包括以下 至少一种： 尺寸缩放处 理、 颜色归一 化处理和数据增强处 理； 通过神经网络模型对所述处 理后的图像进行 特征提取， 得到特 征提取结果。 8.根据权利要求7所述的方法， 其特征在于， 所述神经网络模型包括： 初始特征提取网 络和特征融合网络； 通过神经网络模型对所述处理后的图像进行特征提取， 得到特征提取 结果的步骤 包括： 通过所述初始特征提取网络对所述处理后的图像进行特征提取， 得到多个不同尺度的 初始特征； 通过所述特征融合网络对多个不同尺度的初始特征进行特征融合， 得到特征提取结 果。 9.一种智能驾驶中的对象预测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取车载摄像头采集的待处理图像； 其中， 所述待处理图像 中包括多种 类别的对象； 提取模块， 用于对所述待处 理图像进行 特征提取， 得到特 征提取结果；权　利　要　求　书 1/2 页 2 CN 115376093 A 2输入模块， 用于将所述特征提取结果分别输入至每种类别对应的检测分支， 以得到每 种类别的对象中， 每个对象的对象预测结果； 其中， 每种类别所对应的检测分支的数量与所 述类别相关联。 10.一种电子设备， 其特征在于， 包括处理器和存储器， 所述存储器存储有能够被所述 处理器执行的计算机可执行指 令， 所述处理器执行所述计算机可执行指令以实现权利要求 1至8任一项所述方法。 11.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机可 执行指令， 所述计算机可执行指令在被处理器调用和执行时， 计算机可执行指令促使处理 器实现权利要求1至8任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115376093 A 3