[發明專利]一種基于Centernet的汽車識別方法

在審

• 申請號: 202010413014.1
• 申請日: 2020-05-15
• 公開（公告）號: CN111582213A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 蔡潤軒;方志軍
• 申請（專利權）人: 北京鐵科時代科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 李朝虎

本發明公開了一種基于Centernet的汽車識別方法，包括如下步驟：S1：采集并收集原始圖像數據；S2：對原始圖像進行分類，具體分為訓練集、驗證集、測試集；并對訓練集、驗證集、測試集分別進行增強處理得到增強后的訓練集、增強后的驗證集、增強后的測試集；S3：搭建基于Centernet的網絡結構；S4：對Centernet網絡結構，采用Group Normalization進行標準化，Radam優化器作為網絡訓練的優化方法，進行迭代訓練，得到訓練后的Centernet網絡結構；S5：用增強后的驗證集和增強后的測試集對訓練后的Centernet網絡結構進行驗證和測試。本發明方法將在車輛類別和位置特征的基礎上，嘗試通過新型的卷積網絡方法提取圖像中更加底層的特征，從而在空間位置上，得到車輛軌跡更詳盡的特征。

技術領域

本發明屬于自動駕駛中的圖像識別技術，具體涉及一種基于Centernet的汽車識別方法。

背景技術

現有自動駕駛技術主要利用在汽車，火車等作為輔助駕駛，均采用基于深度學習的圖像識別，決策規劃等方法。相關技術主要分為三類：(1)基于激光傳感器的SLAM方法，屬于感知-規劃-控制中的感知類方法；(2)基于2D攝像頭傳感器的視覺SLAM方法；(3)基于多傳感器的融合方法。不同種類的傳感器決定了相關方法的類型。

各自的優點缺陷：激光傳感器能更加精確得到捕捉遠處物體信息，但成本相對較高，且相關方法沒有2D的成熟。2D攝像機需要間接獲取障礙物距離，精確跟3D激光傳感器相比略低。由于5G技術，電子信息，電動車產業的蓬勃發展，在可見的將來自動駕駛相關技術將得到廣闊的發展和使用。

發明內容

本發明所要解決的技術問題是現有的圖像識別方法僅僅在車輛分類、車牌識別、汽車位置等特征的識別上具有成熟的應用，對2D圖像的信息不能充分挖掘，目的在于提供一種基于Centernet的汽車識別方法，解決上述問題。

本發明通過下述技術方案實現：

一種基于Centernet的汽車識別方法，包括如下步驟：

S1：采集并收集原始圖像數據；

S2：對原始圖像進行分類，具體分為訓練集、驗證集、測試集；并對訓練集、驗證集、測試集分別進行增強處理得到增強后的訓練集、增強后的驗證集、增強后的測試集；

S3：搭建基于Centernet的網絡結構；

S4：對Centernet網絡結構，采用Group Normalization進行標準化，Radam優化器作為網絡訓練的優化方法，進行迭代訓練，得到訓練后的Centernet網絡結構；

S5：用增強后的驗證集和增強后的測試集對訓練后的Centernet網絡結構進行驗證和測試。

網絡模型優化方式在顯存足夠的情況下采取Adam優化方式依然能取得不錯的效果。

進一步地，一種基于Centernet的汽車識別方法，所述S2還包括對原始圖像數據的長度和寬度進行調整，S2具體步驟如下：

S21：調整原始圖像數據的長度和寬度得到調整后的圖片；

S22：選用X張調整后的圖片作為訓練集；選用Y張調整后的圖片作為驗證集；選用Z張調整后的圖片作為測試集；

S23：將訓練集、驗證集、測試集的圖片分別進行數據增強處理得到增強后的訓練集、增強后的驗證集、增強后的測試集。

進一步地，一種基于Centernet的汽車識別方法，所述S21具體為：將原始圖像數據的長度統一調整為2560像素，將原始圖像數據的寬度統一調整為512像素。

進一步地，一種基于Centernet的汽車識別方法，所述S22具體為：X取值為4000，Y取值為256，Z取值為2000。