[發明專利]一種車載環境下的目標檢測方法

在審

• 申請號: 201811574343.3
• 申請日: 2018-12-21
• 公開（公告）號: CN109740463A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 王繼春;肖冬;楊豐華
• 申請（專利權）人: 沈陽建筑大學;東北大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 北京易捷勝知識產權代理事務所(普通合伙) 11613
• 代理人: 韓國勝

1.一種車載環境下的目標檢測方法，其特征在于，包括：

S1、車載處理裝置接收車輛上的圖像采集裝置采集的視頻圖像幀；

S2、對每一視頻圖像幀進行預處理，得到預處理后的每一視頻圖像幀；

S3、將預處理后的每一視頻圖像幀輸入到預先訓練的tiny模型，得到對應每一幀的至少8個不同尺度的特征圖；

S4、采用多尺度特征融合方式從所有特征圖中選取三個特征圖，在選取的三個特征圖中生成不同大小、形狀的候選區域anchor box；

S5、基于選取的三個特征圖，對選取特征圖中的候選區域進行無激活函數的卷積運算，得到用于目標定位預測的候選區域的四個偏移位置；以及

對選取特征圖中的候選區域進行無激活函數的卷積運算，得到用于目標分類預測的三個類別置信度；并對三個類別置信度進行處理，得到各個候選區域預測類別的概率；

將生成的候選區域和候選區域的偏移位置融合得到目標的標注邊框，對每個標注邊框進行預測篩選，將篩選的標注邊框標注在視頻圖像幀上，并標注預測的類別；

S6、將標注過的視頻圖像幀合成為視頻，在顯示屏顯示和/或預警提示。

2.根據權利要求1所述的方法，其特征在于，所述步驟S2包括：

對所述每一視頻圖像幀進行歸一化和灰度化，并將灰度化的視頻圖像幀縮放到300*300*1的規格，得到預處理后的每一視頻圖像幀；

和/或，tiny模型的有效檢測距離大于45m。

3.根據權利要求1所述的方法，其特征在于，在步驟S3之前，所述方法包括：

利用遷移學習的策略，基于PASCAL VOC數據集和自采集數據集對tiny模型進行訓練，獲取訓練后的tiny模型；

或者，

采用PASCAL VOC數據集對基于多孔卷積的輕量級SSD目標檢測模塊的tiny模型進行預訓練；

接著，在自采集數據集上對預訓練后的tiny模型參數進行調整，獲得訓練后的tiny模型；

其中，自采集數據集包括：礦區實地拍攝圖像和礦區的視頻監控圖像；以及，預先對所述自采集數據集和PASCAL VOC數據集中的圖像數據進行預處理，獲取符合訓練礦區卡車環境的灰度模式數據集。