本申请涉及车辆自动驾驶，更具体地，涉及一种图像识别方法、装置、车辆以及存储介质。
背景技术：
1、随着车辆自动驾驶功能的逐渐完善，车辆的辅助驾驶系统对车辆当前所处环境进行监测的准确性需求也越来越高。通常情况下，车辆是通过传感器获取当前所处环境的环境图像，并通过神经网络算法的检测模型对环境图像进行图像识别，以基于图像识别结果辅助车辆自动驾驶。但基于神经网络算法的检测模型，其输出结果天然存在不确定性，难以达到车辆的辅助驾驶系统所需的安全等级。
技术实现思路
1、鉴于上述问题，本申请提出了一种图像识别方法、装置、车辆以及存储介质，可以提高图像识别结果的准确性。
2、第一方面，本申请实施例提供了一种图像识别方法，所述方法包括：通过预先训练的图像识别模型对目标图像进行图像识别，并基于所述图像识别模型的输出结果确定所述目标图像对应的第一识别结果，所述图像识别模型是基于神经网络模型训练得到的，所述目标图像是车辆在行驶过程中通过传感器采集到的当前所处环境的环境图像；通过预设视觉检测算法，对所述目标图像进行图像识别，得到所述目标图像对应的第二识别结果；基于所述第一识别结果和所述第二识别结果之间的偏差值，确定所述目标图像的图像识别结果。
3、第二方面，本申请实施例提供了一种图像识别装置，所述装置包括：第一结果获取模块、第二结果获取模块以及结果确定模块。其中，第一结果获取模块用于通过预先训练的图像识别模型对目标图像进行图像识别，并基于所述图像识别模型的输出结果确定所述目标图像对应的第一识别结果，所述图像识别模型是基于神经网络模型训练得到的，所述目标图像是车辆在行驶过程中通过传感器采集到的当前所处环境的环境图像；第二结果获取模块用于通过预设视觉检测算法，对所述目标图像进行图像识别，得到所述目标图像对应的第二识别结果；结果确定模块用于基于所述第一识别结果和所述第二识别结果之间的偏差值，确定所述目标图像的图像识别结果。
4、第三方面，本申请实施例提供了一种车辆，包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述第一方面提供的图像识别方法。
5、第四方面，本申请实施例提供了一种计算机可读取存储介质，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行上述第一方面提供的图像识别方法。
6、本申请提供的方案，通过预先训练的图像识别模型对目标图像进行图像识别，并基于图像识别模型的输出结果确定目标图像对应的第一识别结果，图像识别模型是基于神经网络模型训练得到的，目标图像是车辆在行驶过程中通过传感器采集到的当前所处环境的环境图像；通过预设视觉检测算法，对目标图像进行图像识别，得到目标图像对应的第二识别结果；基于第一识别结果和第二识别结果之间的偏差值，确定目标图像的图像识别结果。通过图像识别模型以及预设视觉检测算法分别对当前帧的目标图像进行图像识别，并基于两个识别结果之间的偏差值综合确定对目标图像的图像识别结果，可以使图像识别结果更加准确。
1.一种图像识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一识别结果和所述第二识别结果之间的偏差值，确定所述目标图像的图像识别结果，包括：
3.根据权利要求1所述的方法，其特征在于，在所述基于所述第一识别结果和所述第二识别结果之间的偏差值，确定所述目标图像的图像识别结果之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述目标图像为所述当前所处环境的当前帧的环境图像，所述通过预先训练的图像识别模型对目标图像进行图像识别，并基于所述图像识别模型的输出结果确定所述目标图像对应的第一识别结果，包括：
5.根据权利要求4所述的方法，其特征在于，在所述获取所述图像识别模型针对所述目标图像输出的第一输出结果，以及所述图像识别模型针对前一帧的环境图像输出的第二输出结果之后，所述方法还包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，所述神经网络模型是通过以下方式训练得到的：
7.根据权利要求6所述的方法，其特征在于，所述获取训练样本集合，包括：
8.一种图像识别装置，其特征在于，所述装置包括：
9.一种车辆，其特征在于，所述车辆包括：
10.一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中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1-7任一项所述的方法。
