[發明專利]一種基于yolov3-tiny的航拍車輛檢測方法

在審

• 申請號: 202011209941.8
• 申請日: 2020-11-03
• 公開（公告）號: CN112308154A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 瞿紹軍;魯博;賀禧
• 申請（專利權）人: 湖南師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06F16/11;G06N3/04
• 代理公司: 長沙永星專利商標事務所(普通合伙) 43001
• 代理人: 周詠;米中業

1.一種基于yolov3-tiny的航拍車輛檢測方法，包括如下步驟：

S1.獲取原始的航拍圖像數據；

S2.將步驟S1獲取的原始的航拍圖像數據轉換為xml文件數據；

S3.構建改進型yolov3-tiny航拍車輛檢測網絡；

S4.采用步驟S2得到的xml文件數據，對步驟S3構建的改進型yolov3-tiny航拍車輛檢測網絡進行訓練，從而得到航拍車輛檢測模型；

S5.采用步驟S4訓練得到的航拍車輛檢測模型，對實際獲取的航拍圖像進行車輛檢測，從而完成航拍車輛檢測。

2.根據權利要求1所述的一種基于yolov3-tiny的航拍車輛檢測方法，其特征在于步驟S1所述的原始的航拍圖像數據，具體為采用Tesla100數據集。

3.根據權利要求1所述的一種基于yolov3-tiny的航拍車輛檢測方法，其特征在于步驟S2所述的將步驟S1獲取的原始的航拍圖像數據轉換為xml文件數據，具體為選擇原始航拍圖像的vedai數據集的彩色圖像部分，把圖片對應的標簽從txt文本中浮點比例格式轉換為voc2007數據集格式要求的xml文件。

4.根據權利要求3所述的一種基于yolov3-tiny的航拍車輛檢測方法，其特征在于步驟S2所述的將步驟S1獲取的原始的航拍圖像數據轉換為xml文件數據，具體為采用如下步驟進行轉換：

A.創建xml文件，并創建根標簽annotation，并在根標簽下創建size，object子標簽；

B.在size標簽下創建width，height標簽，并寫入512作為圖片尺寸表述；

C.在object標簽下創建name子標簽并寫入car表示目標類別；

D.在object標簽下創建bndbox子標簽用來表述目標框信息；

E.根據檢測需要，將代號x1～x4中取最大值寫入xmax，將代號x1～x4中取最小值寫入xmin，y1～y4中取最大值寫入ymax，將代號y1～y4中取最小值寫入ymin，表示目標框的坐標信息；

其中原始txt文件格式為：

(x y o c e oc x1 x2 x3 x4 y1 y2 y3 y4)；

xml文件格式為：

(width height depth name xmin ymin xmax ymax)；

其中x為目標中心橫坐標；y為目標中心縱坐標；o為目標方向；c為目標類別；e為目標完整標志；oc為目標遮擋標志；x1～x4為目標4個角的橫坐標；y1～y4中為目標4個角的縱坐標。

5.根據權利要求1～4之一所述的一種基于yolov3-tiny的航拍車輛檢測方法，其特征在于步驟S3所述的構建改進型yolov3-tiny航拍車輛檢測網絡，具體為采用如下步驟構建改進型yolov3-tiny航拍車輛檢測網絡：

針對原始的yolov3-tiny檢測網絡：

將第4個、第5個和第8個卷積層輸出的通道數壓縮至128；

將網絡的初始分辨率從416*416提升至512*512；

在yolov3-tiny檢測網絡的主干網上加入Bifpn特征金字塔；

在64*64分辨率的特征圖上增加新的預測分支：

采用upsample-block上采樣結構作為新的上采樣層；

采用如下算式作為置信度模型：

式中λ_obj為正樣本權重系數；λ_nobj為非目標框的權重；S²為網格個數；B為boundingbox預測框的個數；若第i個網絡的第j個anchor box負責這個object，則為1，否則為0；若第i個grid cell的第j個bounding box負責預測某個對象，則為1，否則為0；表示第i個網絡的第j個anchor box不負責該目標。

6.根據權利要求5所述的一種基于yolov3-tiny的航拍車輛檢測方法，其特征在于所述的在64*64分辨率的特征圖上增加新的預測分支，具體為在BiFPN結構最頂部的最后一層網絡添加一個卷積核尺度為1、步長為1、卷積核數量為18的卷積層進行通道壓縮，使得輸出變為64*64*18后再進行輸出。