[發(fā)明專利]基于超分辨率的車輛檢測方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202010926415.7
• 申請日: 2020-09-07
• 公開（公告）號: CN112016507A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設計）人: 林春偉;劉莉紅;劉玉宇
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

本發(fā)明涉及人工智能技術領域，提供一種基于超分辨率的車輛檢測方法、裝置、設備及存儲介質，用于提高對低分辨率圖像進行車輛檢測的效率和精確度。基于超分辨率的車輛檢測方法包括：通過初始神經(jīng)網(wǎng)絡中的超分辨率重建子網(wǎng)絡和目標檢測子網(wǎng)絡對預置的目標車輛圖像訓練集依次進行超分辨率重建處理和檢測得到檢測信息；根據(jù)目標圖像集和檢測信息獲取目標損失函數(shù)值；根據(jù)目標損失函數(shù)值對初始神經(jīng)網(wǎng)絡的參數(shù)進行迭代調整得到目標神經(jīng)網(wǎng)絡；通過目標神經(jīng)網(wǎng)絡對預置的目標車輛圖像測試集進行車輛檢測得到目標車輛檢測結果。本發(fā)明適用于智慧交通領域，可進一步推動智慧城市的建設。此外，本發(fā)明還涉及區(qū)塊鏈技術，目標車輛檢測結果可存儲于區(qū)塊鏈中。

技術領域

本發(fā)明涉及人工智能的計算機視覺與深度學習技術領域，尤其涉及一種基于超分辨率的車輛檢測方法、裝置、設備及存儲介質。

背景技術

道路監(jiān)控攝像頭對于交通監(jiān)控有重要作用。計算機視覺技術利用目標檢測算法，可以檢測監(jiān)控畫面中的車輛，幫助交通及公安部門尋找特定車輛。但由于攝像頭與路面車輛有一定距離，部分監(jiān)控畫面顯示的車輛較小，且車輛通常以較高的速度行駛，畫面中的部分車輛存在模糊，現(xiàn)有目標檢測算法難以檢測出低分辨率和/或模糊的圖像中的車輛。一般采用超分辨率技術來解決上述問題。

超分辨率技術(super-resolution)是指從觀測到的低分辨率圖像重建出相應的高分辨率圖像的技術。利用超分辨技術，可以從低分辨率圖像獲得高分辨率圖片，或去除模糊圖像中的模糊。對圖像進行超分辨率處理，再利用現(xiàn)有的目標檢測算法，有時能在一定程度上提高檢測車輛的精確度。

但由于超分辨率算法和目標檢測算法的差異性，先后使用獨立的神經(jīng)網(wǎng)絡，使得前后的神經(jīng)網(wǎng)絡缺乏一致性，未能最大限度地挖掘數(shù)據(jù)的內在規(guī)律，因而對車輛檢測結果的提升不顯著。某些超分辨率方法甚至不利于圖像中車輛的目標檢測。此外，在現(xiàn)有的目標檢測神經(jīng)網(wǎng)絡前，加上超分辨率神經(jīng)網(wǎng)絡，導致計算量增大，處理速度明顯下降。因而，現(xiàn)有技術中，對低分辨率圖像進行車輛檢測的效率低和精確度低。

發(fā)明內容

本發(fā)明的主要目的在于解決現(xiàn)有技術中，對低分辨率圖像進行車輛檢測的效率低和精確度低的問題。

本發(fā)明第一方面提供了一種基于超分辨率的車輛檢測方法，包括：

通過預置的初始神經(jīng)網(wǎng)絡中的超分辨率重建子網(wǎng)絡，對預置的目標車輛圖像訓練集進行超分辨率重建處理，得到目標圖像集，所述超分辨率重建子網(wǎng)絡包括特征提取層、多級特征分流復用層和轉置卷積層，所述目標圖像集的分辨率高于所述目標車輛圖像訓練集的分辨率；

通過所述初始神經(jīng)網(wǎng)絡中的目標檢測子網(wǎng)絡，對所述目標圖像集進行檢測，得到檢測信息，所述目標檢測子網(wǎng)絡包括中心點網(wǎng)絡層、區(qū)域生成網(wǎng)絡層、環(huán)境信息增強層和空間注意力層；

根據(jù)所述目標圖像集和所述檢測信息，獲取所述初始神經(jīng)網(wǎng)絡的目標損失函數(shù)值；

根據(jù)所述目標損失函數(shù)值，對所述初始神經(jīng)網(wǎng)絡的參數(shù)進行迭代調整，直至所述目標損失函數(shù)值收斂，得到目標神經(jīng)網(wǎng)絡；

通過所述目標神經(jīng)網(wǎng)絡，對預置的目標車輛圖像測試集進行車輛檢測，得到目標車輛檢測結果。

可選的，在本發(fā)明第一方面的第一種實現(xiàn)方式中，所述根據(jù)所述目標圖像集和所述檢測信息，獲取所述初始神經(jīng)網(wǎng)絡的目標損失函數(shù)值，包括：

通過所述目標圖像集和預置的均方誤差損失函數(shù)，計算所述初始神經(jīng)網(wǎng)絡中超分辨率重建子網(wǎng)絡的第一損失函數(shù)值；

通過所述檢測信息和預置的回歸損失函數(shù)，計算所述初始神經(jīng)網(wǎng)絡中目標檢測子網(wǎng)絡的第二損失函數(shù)值；

按照預設權重值，計算所述第一損失函數(shù)值和所述第二損失函數(shù)值的加權和，得到所述初始神經(jīng)網(wǎng)絡的目標損失函數(shù)值。