本發明涉及視頻處理技術領域，具體為一種自動駕駛視頻語義分割系統及方法，該方法包括S100：獲取待處理的視頻數據；S200：通過視頻稀疏采樣算法對待處理的視頻數據進行關鍵幀提取；S300：基于卷積神經網絡構建分類模型；S400：通過分類模型對關鍵幀進行語義識別分類，生成視頻數據的語義分割結果；所述S100包括：S101：采集多路視頻數據；S102：對多路視頻數據進行預處理和數據融合，形成待處理視頻數據。本申請的一種自動駕駛視頻語義分割系統及方法，能夠極大降低非關鍵幀的計算量，具有更新速度快、算法簡單、計算量小、運行速度快、準確度高、適用場景范圍廣等優點。

技術領域

本發明涉及視頻處理技術領域，具體為一種自動駕駛視頻語義分割系統及方法。

背景技術

目前自動駕駛領域在實用化方面都取得了突破性的進展，其對于汽車行業甚至是交通運輸業有著深遠的影響。通過對車載感知視頻的分析與處理，即讓計算機自動的對入庫視頻進行分割與組織，通過分析提取必要的信息，輸入車輛行為決策系統，實現車輛自動駕駛操作。

視頻正常的播放速度是每秒15-30幀，每個待識別對象，都會出現一段時間，對每幀視頻圖像都進行分析與語義提取，會增加計算量，使得計算機資源的開銷相當巨大且沒有價值。

發明內容

本發明意在提供一種自動駕駛視頻語義分割系統及方法，能夠極大降低非關鍵幀的計算量，運行速度快、準確度高、適用場景范圍廣。

本申請提供如下技術方案：

一種自動駕駛視頻語義分割方法，包括：

S100：獲取待處理的視頻數據；

S200：通過視頻稀疏采樣算法對待處理的視頻數據進行關鍵幀提取；

S300：基于卷積神經網絡構建分類模型；

S400：通過分類模型對關鍵幀進行語義識別分類，生成視頻數據的語義分割結果。

進一步，所述S100包括：

S101：采集多路視頻數據；

S102：對多路視頻數據進行預處理和數據融合，形成待處理視頻數據。

進一步，所述S200包括：

S201：通過幀差法計算視頻數據中相鄰兩幀圖像之間的差異度；

S202：根據差異度將視頻數據分割為若干視頻段；

S203：從每個視頻段中選取若干幀圖像作為關鍵幀。

進一步，所述S203包括：

S2031：從視頻段中隨機選取第一個關鍵幀；

S2032：從第一個關鍵幀開始按照固定的間隔從視頻段中選取幀圖像作為關鍵幀。

進一步，所述S201通過對像素的時間差分進行閉值化來提取相鄰幀的差異度。

進一步，所述S201包括：

S2011：將相鄰幀圖像對應像素值相減得到差分圖像；

S2012：對差分圖像進行二值化；

S2013：根據二值化后的差分圖像，計算差異度。

進一步，所述S300包括：

S301：建立卷積神經網絡的卷積層、池化層以及全連接層；

S302：構建訓練集，通過訓練集對卷積神經網絡進行訓練。

進一步，所述S301包括：