[發明專利]一種基于深度學習的霧天下車輛檢測方法

有效

• 申請號: 202010537207.8
• 申請日: 2020-06-12
• 公開（公告）號: CN111695514B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 高濤;陳婷;張賽;劉占文;李永會;王松濤;張亞南
• 申請（專利權）人: 長安大學
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06V10/774;G06V10/762;G06T3/40;G06T7/90
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李鵬威

1.一種基于深度學習的霧天下車輛檢測方法，其特征在于，包括以下步驟：

步驟1)、采集霧天交通車輛圖片；

步驟2)、對采集到的霧天交通車輛圖片進行圖像預處理；

步驟3)、采用深度殘差網絡模型對預處理后的霧天交通車輛圖片進行特征提取，獲取多個不同大小的特征圖；深度殘差網絡模型第一個卷積層采用32個大小為3×3的卷積核過濾416×416分辨率的輸入圖像，然后將第一個卷積層的輸出作為輸入，使用64個大小為3×3的卷積核以步長為2個像素進行卷積操作，實現2倍的下采樣，得到208×208分辨率的特征圖；然后在深度殘差網絡模型中添加執行1×，2×，2×，2×和2×的5組殘差模塊，同時在每2組的殘差快之間連接數量不同的3×3大小的卷積核，步長均為2個像素，分別獲得104×104，52×52，26×26，13×13大小的特征圖；

步驟4)、對多個不同大小的特征圖進行多尺度檢測，同時利用底層特征的高分辨率和高層特征的高語義信息，通過上采樣融合不同層的特征，在三個不同尺度的特征層上實現特征圖拼接，得到多尺度檢測特征圖；

以矩形框的交并比R_IOU作為相似度對霧天交通車輛圖片的所有目標標注使用K-mens聚類方法獲得錨的大小，K-means聚類的距離函數如下式：

d(B,C)＝1-R_IOU(B,C)

其中：B為矩形框的大小，C為矩形框的中心，R_IOU(B,C)表示兩個矩形框的交疊比；

在每個尺度上的每一個單元格借助4個錨點框預測4個邊界框；將13×13特征圖經過兩倍上樣后與26×26特征圖拼接，經過卷積運算得到一級拼接特征圖；將一級拼接特征圖經過兩倍上采樣后與52×52特征圖拼接，經過卷積運算得到二級拼接特征圖；將二級拼接特征圖經過兩倍上采樣后與104×104特征圖拼接，經過卷積運算得到多尺度檢測特征圖；

步驟5)、根據獲取的多尺度檢測特征圖采用遷移學習方法對深度殘差網絡模型進行訓練，直至深度殘差網絡模型最大迭代次數為50000次，采用經過迭代后的深度殘差網絡模型即可實現霧天下車輛檢測。

2.根據權利要求1所述的一種基于深度學習的霧天下車輛檢測方法，其特征在于，采集的霧天交通車輛圖片中，將車輛以外的信息設置為背景。

3.根據權利要求1所述的一種基于深度學習的霧天下車輛檢測方法，其特征在于，步驟2)中對霧天交通車輛圖片具體進行圖像去霧、反轉和對稱處理。

4.根據權利要求3所述的一種基于深度學習的霧天下車輛檢測方法，其特征在于，采用暗通道先驗去霧方法對霧天交通車輛圖片進行預處理，建立基于暗通道先驗去霧方法的物理模型為：

I(x)＝J(x)t(x)+A(1-t(x))?(1)

其中x表示圖像中像素點所處于的位置，I(x)表示所觀察到的有霧圖像，

J(x)表示清晰無霧的圖像，A表示大氣光值，t(x)表示透射率；

建立無霧圖像的暗原色J^dark(x)求解公式：

J^dark(x)＝min_y∈Ω(x)(min_c∈[R,G,B]J^c(y))?(2)

式中，C表示R、G、B三個通道的集合；J^c表示圖像的一個顏色通道，Ω(x)表示以x為中心的方形濾波模板；無霧圖像的非天空區域，J^dark(x)的值很低；

選取暗通道中值最大的0.1％的像素點，找出這些點在原含霧圖像中對應點的亮度最大值，將該值作為全球大氣光的估計值A；

由以下公式獲取透射率值：

式中，ω表示去霧的程度，ω取0.95；

A^c表達通道c對應的大氣光值，I^c(y)表示大氣光閾值范圍；

將獲取的透射率值t(x)與大氣光值A代入式(1)中，可得基于暗通道先驗去霧方法的物理模型為：

式中，為避免透射率取值過小造成是真，對透射率的下限值做了限定，原文中取限定值t₀為0.1。