[發(fā)明專利]目標(biāo)檢測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111164524.0
• 申請(qǐng)日: 2021-09-30
• 公開（公告）號(hào): CN113869248A
• 公開（公告）日: 2021-12-31
• 發(fā)明（設(shè)計(jì)）人: 白鵬飛;馬浩楠;覃元鋒;李世曉;杜鵬淵;羅玉浩;唐亦凡;周國富
• 申請(qǐng)（專利權(quán)）人: 華南師范大學(xué);廣州華鉆電子科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 廖慧賢

1.目標(biāo)檢測(cè)方法，其特征在于，包括：

獲取參考圖像，其中，所述參考圖像包括霧天圖像；

對(duì)所述霧天圖像進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)霧天圖像；

根據(jù)預(yù)設(shè)的比例將所述標(biāo)準(zhǔn)霧天圖像劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；

根據(jù)所述訓(xùn)練集對(duì)改進(jìn)的YOLOv5模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的檢測(cè)模型，其中，所述改進(jìn)后的YOLOv5模型為在原始YOLOv5模型的基礎(chǔ)上對(duì)特征融合層進(jìn)行改進(jìn)后的模型；

根據(jù)所述驗(yàn)證集和所述測(cè)試集對(duì)所述檢測(cè)模型進(jìn)行驗(yàn)證，確定最優(yōu)檢測(cè)模型；

根據(jù)所述最優(yōu)檢測(cè)模型對(duì)待檢測(cè)圖像進(jìn)行目標(biāo)檢測(cè)，得到車輛數(shù)據(jù)和行人數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的車輛行人檢測(cè)方法，其特征在于，所述對(duì)所述霧天圖像進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)霧天圖像，包括：

根據(jù)預(yù)設(shè)的去霧算法，對(duì)所述霧天圖像進(jìn)行去霧處理，得到去霧處理之后的霧天圖像；

對(duì)所述去霧處理之后的霧天圖像進(jìn)行標(biāo)注處理，得到標(biāo)準(zhǔn)霧天圖像。

3.根據(jù)權(quán)利要求1所述的車輛行人檢測(cè)方法，其特征在于，所述在原始YOLOv5模型的基礎(chǔ)上對(duì)特征融合層進(jìn)行改進(jìn)具體包括：

采用FPG特征融合結(jié)構(gòu)替換原始YOLOv5模型的PANet網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求3所述的車輛行人檢測(cè)方法，其特征在于，所述根據(jù)所述訓(xùn)練集對(duì)改進(jìn)的YOLOv5模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的檢測(cè)模型，包括：

將所述訓(xùn)練集的圖像輸入至所述改進(jìn)的YOLOv5模型的CSPDarknet53網(wǎng)絡(luò)中進(jìn)行特征提取，生成第一特征層；

將所述第一特征層輸入到所述改進(jìn)的YOLOv5模型的FPG特征融合結(jié)構(gòu)，得到三個(gè)第二特征層；

根據(jù)第二特征層，確定邊界框列表中的邊界框及每一邊界框?qū)?yīng)的置信度；

采用非極大值抑制法對(duì)所述邊界框進(jìn)行篩選，得到最終的邊界框。

5.根據(jù)權(quán)利要求4所述的車輛行人檢測(cè)方法，其特征在于，所述采用非極大值抑制法對(duì)所述邊界框進(jìn)行篩選，得到最終的邊界框，包括：

邊界框排序步驟：根據(jù)所述置信度的大小，對(duì)邊界框列表中的邊界框進(jìn)行排序；

刪除邊界框列表中所述置信度最高的邊界框，并將所述置信度最高的邊界框添加至輸出列表；

計(jì)算所述邊界框列表中所有邊界框的面積及所述置信度最高的邊界框與目標(biāo)邊界框的交并比；

篩選步驟：若所述交并比大于預(yù)設(shè)的交并比閾值，則在所述邊界框列表中刪除所述目標(biāo)邊界框；

重復(fù)所述邊界框排序步驟至所述篩選步驟，直至所述邊界框列表為空，則所述輸出列表中的邊界框即為最終的邊界框。

6.根據(jù)權(quán)利要求1所述的車輛行人檢測(cè)方法，其特征在于，所述根據(jù)所述驗(yàn)證集和所述測(cè)試集對(duì)所述檢測(cè)模型進(jìn)行驗(yàn)證，確定最優(yōu)檢測(cè)模型，包括：

獲取所述驗(yàn)證集和所述測(cè)試集對(duì)所述檢測(cè)模型進(jìn)行驗(yàn)證時(shí)的MAP指標(biāo)；

根據(jù)所述MAP指標(biāo)，確定最優(yōu)檢測(cè)模型。

7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的車輛行人檢測(cè)方法，其特征在于，所述根據(jù)預(yù)設(shè)的比例將所述標(biāo)準(zhǔn)霧天圖像劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，還包括：

對(duì)所述標(biāo)準(zhǔn)霧天圖像進(jìn)行數(shù)據(jù)擴(kuò)增處理，其中，所述數(shù)據(jù)擴(kuò)增處理包括水平翻轉(zhuǎn)、顏色隨機(jī)變換、亮度隨機(jī)變換、對(duì)比度隨機(jī)變換、色溫變換、隨機(jī)裁剪中的至少一種。