[發(fā)明專利]一種交通車輛目標(biāo)檢測方法、裝置、設(shè)備及可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110387355.0
• 申請日: 2021-04-09
• 公開（公告）號: CN113076898B
• 公開（公告）日: 2023-09-15
• 發(fā)明（設(shè)計）人: 陳婷;姚大春;高濤;王松濤;劉占文;李永會;陳友靜
• 申請（專利權(quán)）人: 長安大學(xué)
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/25;G06V10/762;G06V10/774;G06V10/82;G06N3/0464
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 朱海臨

1.一種交通車輛目標(biāo)檢測方法，其特征在于，包括以下步驟：

S1，對交通圖像進(jìn)行預(yù)處理得到不同場景的交通圖像；

S2，對預(yù)處理后不同場景的交通圖像進(jìn)行車輛標(biāo)注，將標(biāo)注后的交通圖像進(jìn)行維度聚類，設(shè)置閾值進(jìn)行聚類Anchor?Box，并且將一個相對遠(yuǎn)的點(diǎn)選擇為下一個初始聚類中心；

采用IOU作為目標(biāo)聚類分析，使用IOU作為空間距離計算，聚類公式為：

D_i(x_j)＝1-IOU(x_j,c_i)(1)

x_j∈X＝{x₁,x₂,...,c_n}表示Ground?Truth樣本；c_i∈{c₁,c₂,...,c_n}代表聚類中心；K表示錨點(diǎn)框數(shù)量，聚類目標(biāo)函數(shù)代表每個樣本到聚類中心的距離之和的最小值，計算公式如下所示：

采用輪廓系數(shù)方法分析聚類目標(biāo)去選擇最優(yōu)的聚類數(shù)K，K取9，并且高度和寬度分別是(13，11)，(23，17)，(31，28)，(41，20)，(51，33)，(63，51)，(102，61)，(166，116)，(388，244)；

S3，基于特征提取主干網(wǎng)絡(luò)，在淺層部分添加網(wǎng)絡(luò)層對維度聚類后的交通圖像進(jìn)行淺層特征提取，深層部分采用多層殘差網(wǎng)絡(luò)進(jìn)行特征提取；

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，然后將先前的卷積層的輸出作為下一個卷積層輸入，使用64個大小為3×3像素的卷積核并以步長為2的像素進(jìn)行卷積操作，實(shí)現(xiàn)2倍的下采樣，得到208×208分辨率的特征圖；之后在網(wǎng)絡(luò)中添加執(zhí)行5組2×Resblock_body，再經(jīng)過4次下采樣后，分別獲得104×104，52×52，26×26，13×13大小的特征圖；

S4，經(jīng)過多層殘差網(wǎng)絡(luò)進(jìn)行特征提取后進(jìn)行多尺度檢測，實(shí)現(xiàn)交通圖像中不同交通場景的車輛目標(biāo)的檢測。

2.根據(jù)權(quán)利要求1所述的一種交通車輛目標(biāo)檢測方法，其特征在于，交通圖像通過網(wǎng)絡(luò)爬蟲和現(xiàn)場拍攝獲取，將交通圖像集分為訓(xùn)練、測試集和驗(yàn)證集；將交通車輛數(shù)據(jù)集依次進(jìn)行圖像反轉(zhuǎn)、對稱處理實(shí)現(xiàn)擴(kuò)充數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的一種交通車輛目標(biāo)檢測方法，其特征在于，將輸入圖像大小調(diào)整為416×416，經(jīng)過5次下采樣得到52×52，26×26，13×13三個不同尺度的特征圖進(jìn)行多尺度檢測。

4.根據(jù)權(quán)利要求1所述的一種交通車輛目標(biāo)檢測方法，其特征在于，采用Labeling軟件將所有的汽車標(biāo)注為Car。