[發(fā)明專利]一種智慧交通圖像檢測方法

在審

• 申請?zhí)枺?/td>: 202011147625.2
• 申請日: 2020-10-23
• 公開（公告）號: CN112288701A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設(shè)計）人: 劉晨;陳晨
• 申請（專利權(quán)）人: 西安科銳盛創(chuàng)新科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安嘉思特知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61230
• 代理人: 王海棟

本發(fā)明公開了一種智慧交通圖像檢測方法，包括：獲取待檢測的目標交通圖像；輸入預先訓練得到的交通圖像檢測網(wǎng)絡(luò)中，利用密集連接形式的主干網(wǎng)絡(luò)進行特征提取，得到至少四個不同尺度的特征圖；利用FPN網(wǎng)絡(luò)進行特征融合，得到各尺度對應(yīng)的預測結(jié)果；將所有預測結(jié)果經(jīng)由分類網(wǎng)絡(luò)和非極大值抑制模塊進行處理得到包括目標的位置和類別的檢測結(jié)果，輸出檢測結(jié)果。本發(fā)明采用密集連接形式的主干網(wǎng)絡(luò)，能夠直接將早期的特征圖作為后面每一層的輸入，獲得的特征圖的信息量更多，強化了特征的傳遞，在進行交通圖像檢測時能夠提高檢測精度。復用淺層網(wǎng)絡(luò)的特征圖參數(shù)能夠減少參數(shù)的數(shù)量以及運算量。增加細粒度的特征提取尺度，能檢測交通圖像中更小物體。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理領(lǐng)域，具體涉及一種智慧交通圖像檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

目前，隨著交通復雜化，對路面狀況的檢測變得十分重要。對于行駛在路面上的駕駛員來說，期望了解到路面上的車輛、行人、障礙物等的分布情況，以進行路線規(guī)劃及安全避讓。

現(xiàn)有的目標檢測技術(shù)可以通過圖像處理，識別其中物體的種類和位置。但在實際情況中，路面上往往存在一些標識牌、消防栓、小動物等，由于它們體積較小，進行目標檢測的準確性并不高。如果將現(xiàn)有的目標檢測技術(shù)直接應(yīng)用于交通圖像檢測，可能由于小目標的檢測準確率差導致出現(xiàn)交通安全問題。

因此，如何提出一種能夠針對小目標的高精度交通圖像檢測方法以供駕駛員進行安全駕駛，是一個亟待解決的問題。

發(fā)明內(nèi)容

為了提出一種能夠針對小目標的高精度交通圖像檢測方法以供駕駛員進行安全駕駛，本發(fā)明實施例提供了一種智慧交通圖像檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。

具體技術(shù)方案如下：

第一方面，本發(fā)明實施例提供了一種智慧交通圖像檢測方法，包括：

獲取待檢測的目標交通圖像；所述目標交通圖像中含有至少一個目標；

將所述目標交通圖像輸入預先訓練得到的交通圖像檢測網(wǎng)絡(luò)中，利用密集連接形式的主干網(wǎng)絡(luò)進行特征提取，得到x個不同尺度的特征圖；x為大于等于4的自然數(shù)；

將所述x個不同尺度的特征圖利用FPN網(wǎng)絡(luò)進行特征融合，得到各尺度對應(yīng)的預測結(jié)果；

將所有預測結(jié)果經(jīng)由分類網(wǎng)絡(luò)和非極大值抑制模塊進行處理，得到所述目標交通圖像的檢測結(jié)果，所述檢測結(jié)果包括目標的位置和類別；

輸出所述檢測結(jié)果。

其中，所述交通圖像檢測網(wǎng)絡(luò)包括密集連接形式的主干網(wǎng)絡(luò)、FPN網(wǎng)絡(luò)、分類網(wǎng)絡(luò)和非極大值抑制模塊；所述交通圖像檢測網(wǎng)絡(luò)是根據(jù)樣本交通圖像，以及所述樣本交通圖像對應(yīng)目標的位置和類別訓練得到的。

可選的，所述密集連接形式的主干網(wǎng)絡(luò)包括多個間隔串接的密集連接模塊和過渡模塊；所述密集連接模塊的數(shù)量為y個；所述密集連接模塊包括串行連接的卷積網(wǎng)絡(luò)模塊和密集連接單元組；所述卷積網(wǎng)絡(luò)模塊包括串行連接的卷積層、BN層、Leaky relu層；所述密集連接單元組包括m個密集連接單元；每個密集連接單元包括多個采用密集連接形式連接的所述卷積網(wǎng)絡(luò)模塊，并采用級聯(lián)方式融合多個卷積網(wǎng)絡(luò)模塊輸出的特征圖；其中，y和m為大于等于4的自然數(shù)；y大于等于x。

所述得到x個不同尺度的特征圖，包括：

得到沿輸入逆向的x個密集連接模塊輸出的、尺度依次增大的特征圖。

可選的，所述過渡模塊包括所述卷積網(wǎng)絡(luò)模塊和最大池化層；所述卷積網(wǎng)絡(luò)模塊的輸入和所述最大池化層的輸入共用，所述卷積網(wǎng)絡(luò)模塊輸出的特征圖和所述最大池化層輸出的特征圖采用級聯(lián)方式融合。

可選的，所述過渡模塊包括的所述卷積網(wǎng)絡(luò)模塊的數(shù)量為兩個或三個，且各個卷積網(wǎng)絡(luò)模塊之間采用串接方式。