[發明專利]基于改進Yolov3的獲取道路交通信息方法

在審

• 申請號: 202110690870.6
• 申請日: 2021-06-22
• 公開（公告）號: CN113609895A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 劉清;楊辰曲;張斌;周建武;張銀河;劉敏;汪韓
• 申請（專利權）人: 上海中安電子信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊

1.一種基于改進Yolov3的獲取道路交通信息方法，其特征在于，具體包括如下步驟：

1)從已有道理交通信息圖像中選取訓練樣本；

2)建立識別網絡：主干網絡是Darknet-53網絡，引入多尺度特征融合，選擇輸出為5種不同尺度的特征圖，除頂層特征圖外，其余特征圖均融合相鄰下層特征圖的特征信息；

3)采用了非線性映射將步驟1)訓練樣本映射到高維度空間中，在高維度空間進行K-means值聚類計算，對樣本進行優化，使用最終生成的聚類結果計算符合本網絡模型使用的anchors值，獲得新的anchors值，將新的anchors值替換原始Yolov3模型中的數據集參數；

4)利用高斯分布特性對每個邊界框進行損失函數計算，增加對邊界框準確度的判斷；

5)訓練后的改進Yolov3模型對車輛、行人和信號燈進行檢測，得到檢測結果。

2.根據權利要求1所述基于改進Yolov3的獲取道路交通信息方法，其特征在于，所述步驟3)實現的具體方法如下：

采用了非線性映射θ，將樣本p_i，i＝1,2,...,l映射到高維度空間G中，即樣本為θ(p₁)，…，θ(p_i)，...，θ(p_l)，其中p_i∈R^N,i＝1,2,...l；根據Mercer定理存在映射：θ:R^N→R^G使得核函數N(p_i,p_j)＝θ(p_i)^Tθ(p_j)；設在R^G空間中，把樣本分為K類，m_k為第k類的均值，k＝1,2,...,K；在高維度空間進行K-means值聚類操作，將函數最優化，目標函數為：

其中，minJ為最小化誤差平方和；θ(p_i)為高維度空間G中第i個樣本；

m_k可由下式得到：

l_k為第k類的樣本數；

在核空間中，計算兩個特征點的核距離：

將聚類得到的所有樣本子集進行合并，則樣本子集的并集中包含了K個目標類別計算其均值：

其中α為簇，α_k為第k個質心，即簇的最小化J的最佳質心是簇中各點的均值；在核空間中，計算兩個特征點的核距離，再將聚類得到的所有樣本子集進行合并，則樣本子集的并集中包含了K個目標類別計算其均值，計算任意兩個類均值間的距離為：其中dist為任意兩個類均值間的距離，代表任意兩個不同類均值；

若兩個目標類別均值之間的距離小于預先設定的閾值，則將這兩個目標類別合并為一個類；再繼續通過上式計算類均值的距離，經過對樣本子集的并集進行合并，得到最終的K-means值聚類結果；使用最終生成的聚類結果計算符合本模型使用的anchors值，將新的anchors值替換原始Yolov3模型中的數據集參數。