[發(fā)明專利]一種基于改進YOLO v3的重卡盲區(qū)目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 202010344037.1
• 申請日: 2020-04-27
• 公開（公告）號: CN111738056A
• 公開（公告）日: 2020-10-02
• 發(fā)明（設(shè)計）人: 朱仲杰;屠仁偉;白永強;王玉兒;楊躍平
• 申請（專利權(quán)）人: 浙江萬里學(xué)院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 寧波奧圣專利代理事務(wù)所(普通合伙) 33226
• 代理人: 程曉明

本發(fā)明公開了一種基于改進YOLO v3的重卡盲區(qū)目標(biāo)檢測方法，特點包括以下步驟：采集真實路況下的車、跌倒?fàn)顟B(tài)的人和正常狀態(tài)的人混合圖片，建立樣本數(shù)據(jù)集；預(yù)處理后，對樣本數(shù)據(jù)集中的檢測目標(biāo)進行類別標(biāo)定和位置信息提取，并分為訓(xùn)練集和測試集；對訓(xùn)練集進行聚類分析，選擇anchor值；改進優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)；設(shè)置訓(xùn)練參數(shù)，利用訓(xùn)練集對優(yōu)化后的網(wǎng)絡(luò)進行訓(xùn)練得到目標(biāo)檢測模型；將監(jiān)測到的畫面輸入目標(biāo)檢測模型得到實時盲區(qū)的檢測結(jié)果；優(yōu)點是優(yōu)化改進后的YOLO v3網(wǎng)絡(luò)增強了對中、小目標(biāo)的檢測性能，彌補現(xiàn)有技術(shù)中網(wǎng)絡(luò)漏檢和誤檢的缺陷，使得重卡司機能夠及時掌握車輛周圍的盲區(qū)環(huán)境中車、跌倒?fàn)顟B(tài)的人和正常狀態(tài)的人的情況，避免交通事故的發(fā)生。

技術(shù)領(lǐng)域

本發(fā)明涉及一種目標(biāo)檢測方法，尤其是一種基于改進YOLO v3的重卡盲區(qū)目標(biāo)檢測方法。

背景技術(shù)

重卡在物流行業(yè)的發(fā)展中扮演著重要的作用，但重卡由于其車身長、駕駛室高的特點，對駕駛員來說存在較大的視野盲區(qū)，從而使得駕駛員的視野受限無法及時做出準(zhǔn)確的判斷。目前對于解決重卡盲區(qū)的辦法一種是裝有攝像頭，但是需要靠駕駛員人工地去識別和判斷盲區(qū)目標(biāo)；一種是攝像頭結(jié)合傳統(tǒng)算法進行單種類目標(biāo)的自動識別，但是只適用于檢測背景簡單、檢測目標(biāo)數(shù)量少的情況；還有一種是360°全景結(jié)合雷達檢測的，但依然需要人工去判斷障礙物，甚至有時候還會出現(xiàn)錯誤的警報。

近幾年來，目標(biāo)檢測算法取得很大的突破。YOLO v3采用一個CNN網(wǎng)絡(luò)來實現(xiàn)檢測，不僅大大加快目標(biāo)檢測的速度，精確度也得到提升，現(xiàn)有的YOLO v3對于大、中、小尺寸的目標(biāo)檢測的性能比較均衡，但在中、小尺寸目標(biāo)偏多的實際檢測中對于中、小尺寸的圖像依然存在一些漏檢和誤檢，且在框出檢測目標(biāo)時有些檢測框的定位不準(zhǔn)確，不能完整地框出目標(biāo)。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種對重卡盲區(qū)范圍內(nèi)的車、跌倒?fàn)顟B(tài)的人和正常狀態(tài)的人進行實時檢測、精準(zhǔn)檢測目標(biāo)、檢測框準(zhǔn)確定位的基于改進YOLO v3的重卡盲區(qū)目標(biāo)檢測方法

本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：一種基于改進YOLO v3的重卡盲區(qū)目標(biāo)檢測方法，包括以下步驟：

①，采集以中、小尺寸為主的真實路況下的車、跌倒?fàn)顟B(tài)的人和正常狀態(tài)的人混合圖片，建立樣本數(shù)據(jù)集，對所述的樣本數(shù)據(jù)集進行預(yù)處理，對所述的樣本數(shù)據(jù)集中的檢測目標(biāo)進行類別標(biāo)定和位置信息提取，并將所述的樣本數(shù)據(jù)集劃分成訓(xùn)練集和測試集；

②，對所述的訓(xùn)練集進行聚類分析，選擇anchor(錨框)值；

③，改進原檢測模型的網(wǎng)絡(luò)結(jié)構(gòu)得到優(yōu)化后的YOLO v3網(wǎng)絡(luò)；

④，設(shè)置訓(xùn)練參數(shù)，利用所述的訓(xùn)練集對優(yōu)化后的YOLO v3網(wǎng)絡(luò)進行訓(xùn)練，得到目標(biāo)檢測模型；

⑤，將重卡盲區(qū)范圍內(nèi)實時監(jiān)測到的視頻輸入到所述的目標(biāo)檢測模型中進行檢測；

⑥，輸出重卡盲區(qū)范圍內(nèi)車、跌倒?fàn)顟B(tài)的人和正常狀態(tài)的人的檢測結(jié)果。

所述的步驟①中對所述的樣本數(shù)據(jù)集中的檢測目標(biāo)進行類別標(biāo)定和位置信息提取的具體方法為：

a，對所述的樣本數(shù)據(jù)集進行不同光線因素、不同拍攝角度、不同道路環(huán)境和不同分辨率的選擇；

b，調(diào)整所述的樣本數(shù)據(jù)集中的所述的訓(xùn)練集的圖像大小至統(tǒng)一像素；

c，對所述的樣本數(shù)據(jù)集中的檢測目標(biāo)進行類別標(biāo)定，分別用0,1,2表示車、跌倒?fàn)顟B(tài)的人和正常狀態(tài)的人；

d，對所述的樣本數(shù)據(jù)集進行位置信息提取，將所述的檢測目標(biāo)表示為一個四維向量{x，y，w，h}；其中：x表示所述的檢測目標(biāo)的x軸方向的坐標(biāo)，y表示所述的檢測目標(biāo)的y軸方向的坐標(biāo)，w表示所述的檢測目標(biāo)的寬度，h表示所述的檢測目標(biāo)的高度；