[發(fā)明專利]一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的軌道交通障礙物檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110658218.6
• 申請(qǐng)日: 2021-06-10
• 公開（公告）號(hào): CN113486726B
• 公開（公告）日: 2023-08-01
• 發(fā)明（設(shè)計(jì)）人: 賀德強(qiáng);鄒智恒;陳彥君;李先旺;李凱;邱曄楓
• 申請(qǐng)（專利權(quán)）人: 廣西大學(xué)
• 主分類號(hào): G06V20/58
• 分類號(hào): G06V20/58;G06V20/40;G06V10/762;G06V10/774;G06V10/82;G06N3/0464
• 代理公司: 南寧智卓專利代理事務(wù)所(普通合伙) 45129
• 代理人: 譚月萍;鄧世江

1.一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的軌道交通障礙物檢測(cè)方法，其特征在于：所述障礙物檢測(cè)方法包括以下步驟：

步驟11，使用雙目攝像機(jī)實(shí)時(shí)捕獲列車行駛前方道路信息并進(jìn)行保存，從保存的本地文件中挑選包含障礙物的關(guān)鍵視頻段，再將視頻段進(jìn)行隔幀保存成圖片形式并篩選，將篩選出的所有圖片用于構(gòu)建軌道交通列車的障礙物圖像數(shù)據(jù)集；

步驟12，將獲得的障礙物圖像數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)處理，再對(duì)增強(qiáng)處理后獲得的障礙物圖像進(jìn)行標(biāo)注，然后將標(biāo)注的信息以XML文件格式儲(chǔ)存在指定路徑中，按照規(guī)范將障礙物圖像的文件和所標(biāo)注的XML數(shù)據(jù)信息以PASCAL?VOC格式儲(chǔ)存，再對(duì)存儲(chǔ)的障礙物圖像集進(jìn)行劃分為訓(xùn)練集和測(cè)試集，在訓(xùn)練集中隨機(jī)抽取10％的數(shù)據(jù)作為驗(yàn)證集，并按順序編號(hào)后將標(biāo)注的信息和文件的存儲(chǔ)路徑保存在txt格式文件匯總；

步驟13，構(gòu)建基于深度學(xué)習(xí)的深度卷積神經(jīng)檢測(cè)網(wǎng)絡(luò)模型，該深度卷積神經(jīng)檢測(cè)網(wǎng)絡(luò)模型基于一階物體檢測(cè)網(wǎng)絡(luò)FE-YOLO，增強(qiáng)處理后獲得的障礙物圖像輸入一階物體檢測(cè)網(wǎng)絡(luò)FE-YOLO進(jìn)行預(yù)處理；所述一階物體檢測(cè)網(wǎng)絡(luò)FE-YOLO主要由特征提取網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)構(gòu)成，所述特征提取網(wǎng)絡(luò)包括注意力層、基本殘差塊、下采樣層和空間金字塔池化層構(gòu)成；一階物體檢測(cè)網(wǎng)絡(luò)FE-YOLO預(yù)處理包括如下步驟：

步驟131：增強(qiáng)處理后獲得的障礙物圖像輸入一階物體檢測(cè)網(wǎng)絡(luò)FE-YOLO中的注意力層接收，注意力層將任意輸入尺寸的障礙物圖像進(jìn)行調(diào)整處理，經(jīng)過注意力層處理后獲取3通道的特征圖，特征圖大小縮放為原來一半，通道數(shù)增加為原來4倍；

步驟132：將所述特征圖輸入基本殘差塊后分兩條路徑向后傳遞，以步長(zhǎng)為1的1×1卷積核進(jìn)行特征提取，所有卷積操作均不改變特征圖大小，基本殘差塊中的加深網(wǎng)絡(luò)層次同樣分兩條路徑向后傳遞分別與特征融合網(wǎng)絡(luò)進(jìn)行拼接和相加；

步驟134：加深網(wǎng)絡(luò)層次在基本殘差塊中分別重復(fù)2次、4次和4次；基本殘差塊在特征拼接前需在兩條路徑再次進(jìn)行二維卷積，拼接后繼續(xù)經(jīng)過批處理層、激活函數(shù)層和卷積塊；

步驟14，對(duì)一階物體檢測(cè)網(wǎng)絡(luò)FE-YOLO的超參數(shù)進(jìn)行設(shè)置，使用K-Means聚類法基于障礙物圖像數(shù)據(jù)集生成適用于軌道交通障礙物數(shù)據(jù)集的先驗(yàn)框，采用分階段訓(xùn)練策略對(duì)先驗(yàn)框進(jìn)行分層訓(xùn)練，并取驗(yàn)證集的最小Loss值的作為本次訓(xùn)練的最優(yōu)權(quán)重文件；采用分階段訓(xùn)練策略對(duì)先驗(yàn)框進(jìn)行分層訓(xùn)練包括：第一階段凍結(jié)一階物體檢測(cè)網(wǎng)絡(luò)FE-YOLO的所有層進(jìn)行訓(xùn)練和第二階段所有層均參與訓(xùn)練；

步驟15，利用獲取的最優(yōu)權(quán)重文件對(duì)一階物體檢測(cè)網(wǎng)絡(luò)FE-YOLO進(jìn)行綜合評(píng)估。

2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的軌道交通障礙物檢測(cè)方法，其特征在于：特征圖通過下采樣層，再經(jīng)基本殘差塊輸出的特征圖在兩條路徑上傳播，一條為卷積路徑，另一條為池化路徑，特征圖在卷積路徑上先進(jìn)行步長(zhǎng)為1、卷積核大小為1×1的卷積，然后再進(jìn)行步長(zhǎng)為2、卷積核大小為3×3的卷積；卷積路徑上特征圖進(jìn)行的操作為最大池化；兩條路徑以級(jí)聯(lián)相加的方式融合后，再經(jīng)過步長(zhǎng)為1、卷積核大小為3×3的卷積塊完成下采樣，實(shí)現(xiàn)特征提取。

3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的軌道交通障礙物檢測(cè)方法，其特征在于：所述空間金字塔池化層由內(nèi)核大小為5×5、9×9，13×13的最大池化層和一個(gè)跳過連接構(gòu)成，特征圖經(jīng)過空間金字塔池化層后進(jìn)行級(jí)聯(lián)拼接運(yùn)算，再繼續(xù)進(jìn)行前向傳播，由于空間金字塔池化層中最大的池化核大小接近或者等于預(yù)要池化的特征圖的大小，使得特征圖經(jīng)過局部特征與全局特征相融合后，豐富了特征圖的表達(dá)能力。