[發明專利]一種基于空間特征聚合的道路目標檢測識別方法

有效

• 申請號: 202110864396.4
• 申請日: 2021-07-29
• 公開（公告）號: CN113569750B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 鄭培健;陳建邦;朱明
• 申請（專利權）人: 上海動亦科技有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/764;G06V10/80;G06V10/82;G06V10/774;G06V10/40;G06N3/0464;G06N3/082
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 翁惠瑜

1.一種基于空間特征聚合的道路目標檢測識別方法，包括：

將待測車道圖輸入訓練好的道路目標檢測模型，獲得道路目標預測圖；

其中，所述的道路目標檢測模型包括特征提取器、特征融合模塊、分類模塊和上采樣模塊，所述的待測車道圖輸入特征提取器，獲得第一特征圖，所述的第一特征圖輸入特征融合模塊，進行特征融合，獲得第二特征圖，所述的第二特征圖輸入分類模塊，輸出第二特征圖上的道路目標預測位置，包含道路目標預測位置的第二特征圖輸入上采樣模塊，獲得與待測車道圖尺寸一致的道路目標預測圖；

其特征在于，所述的特征融合過程包括：

對第一特征圖X₁進行迭代融合，所述的迭代融合的計算公式為：

X₁^k+1＝L_k(R_k(U_k(D_k(X₁^k)))),k＝1,2,...,K

其中，X₁^k和X₁^k+1分別為第k次和第k+1次迭代獲得的中間特征圖，K為迭代總次數，M為第一特征圖的長度或寬度，D_k、U_k、R_k和L_k分別為沿從上到下、從下到上、從右到左和從左到右方向上的空間聚合過程，最后一次迭代獲得的中間特征圖，作為第二特征圖；

所述的空間聚合過程包括：

對第一特征圖進行切片，獲得若干行特征向量x；

根據卷積公式對特征向量x進行更新，所述的卷積公式為：

其中，x_i和x_i′分別表示進行更新前和更新后的第i行特征向量，f表示卷積運算，relu為激活函數；

沿著切片方向對更新后的所有特征向量進行平移，再通過卷積，利用更新后的特征向量，對與其空間位置對應的更新前的特征向量進行更新，完成一次卷積運算。

2.根據權利要求1所述的一種基于空間特征聚合的道路目標檢測識別方法，其特征在于，所述的分類模塊包括若干個分類單元，所述的分類模塊的訓練過程包括：

采集樣本車道圖，構成訓練集，利用訓練集訓練分類模塊中的各個分類單元。

3.根據權利要求2所述的一種基于空間特征聚合的道路目標檢測識別方法，其特征在于，所述的第二特征圖的緯度為C×h×w，所述的道路目標預測位置的獲取過程包括：

在第二特征圖上挑選出若干行預定義行，每個分類單元對應一行預定義行；

將每行預定義行分為w個單元格，以單元格為單位，預測每行預定義行中存在道路目標的單元格，進而獲得第二特征圖上的道路目標預測位置。

4.根據權利要求3所述的一種基于空間特征聚合的道路目標檢測識別方法，其特征在于，所述的道路目標檢測模型還包括分割模塊；

訓練分類模塊的同時，所述的分割模塊變換第二特征圖的通道數，使第二特征圖的通道數與道路目標數量相等；

所述的上采樣模塊對通道數變換之后的第二特征圖進行上采樣，獲得與樣本車道圖尺寸一致的車道分割圖，同時將通道數變換之后的第二特征圖展開為一維向量，并經過全連接層處理，獲得長度與道路目標數量相同的判斷向量，所述的判斷向量中的元素與道路目標一一對應，表示車道分割圖中是否存在對應的道路目標，用1和0分別表示存在和不存在。

5.根據權利要求4所述的一種基于空間特征聚合的道路目標檢測識別方法，其特征在于，訓練分類模塊的損失函數L_total的計算公式為：

L_total＝L_cls+αL_seg+βL_exist

其中，L_cls為分類單元的分類損失函數，L_seg和L_exist分別為分割模塊的二元交叉熵損失和存在分類交叉損失，α和β為權重系數。