[發明專利]一種基于無人機成像技術的道路目標檢測方法

在審

• 申請號: 202111323605.0
• 申請日: 2021-11-10
• 公開（公告）號: CN114120150A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 張黎明;肖凱;郭峰;王愛民;林賜云
• 申請（專利權）人: 吉林省春城熱力股份有限公司;吉林大學;林賜云
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V20/54;G06V10/762;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于無人機成像技術的道路目標檢測方法，屬于目標檢測和深度學習技術領域。具體方法如下：首先通過無人機在日常道路上進行飛行拍攝，采集不同道路上的圖片數據，將采集到的數據返回到地面站進行分析處理，通過k?means聚類方法，預先對圖片進行聚類分析，找到最佳的Anchor Box，建立Yolov4神經網絡目標檢測模型，選取適當的損失函數和超參數進行訓練，最終實現日常道路的目標檢測。本發明方法通過無人機成像技術結合深度學習實現道路目標檢測，操作簡單，相較于傳統的目標檢測方法，本發明方法識別速度更快，且目標檢測的準確率更高。

技術領域

本發明涉及無人機技術和目標檢測技術領域，更具體地說，本發明涉及一種基于無人機成像技術的道路目標檢測方法。

背景技術

近些年來，隨著我國經濟和計算機技術的快速發展，計算機視覺領域也得到了迅猛發展。目標檢測是計算機視覺最基本的應用方向之一，并且目標檢測技術在監控視頻和圖像識別領域都發揮著巨大的作用。隨著人們生活水平的不斷提高，目前社會的節奏也在逐漸加快，汽車的數量也逐漸增多，因此道路上出現問題的概率也隨之增加，例如車輛超載、車輛追尾、違章停車等等問題，無形中增加了道路安全隱患。

目前各大汽車廠商也都在汽車安全問題上付出了很多努力，如防抱死剎車系統(ABS)、自動緊急剎車系統(AEB)，以及自動駕駛技術使用的毫米波雷達技術和使用傳感器感測車身周圍環境。雖然這些功能在汽車道路安全方面做出了很大貢獻，但是目前自動駕駛技術并不成熟且其造價較為昂貴，絕大部分車輛還是依靠人為控制，因此如違章停車等各種影響道路安全的行為還是屢見不鮮。

傳統的目標檢測方法主要采用人為手動提取圖片特征，然后通過滑動窗口的方式進行檢測，在實際生活中會存在遮擋和距離太遠導致無法識別的現象，導致人為無法去進行分辨，因此基于深度學習的目標檢測方法成為主流。在自然的實時的道路環境中進行實時檢測車輛和行人以及交通標志物等是目前汽車道路安全輔助的重要組成部分，道路目標檢測最重要的就是要保證目標物體識別的準確性，和相對較為準確的定位信息和距離信息等。傳統的目標檢測方法主要利用分類器處理各種類別特征，在運算速度和分析速度上有所欠缺。

本發明方法采用無人機圖像技術結合深度學習進行日常道路的目標檢測，采用Yolov4網絡實現日常道路上的實時目標檢測，相比與傳統的目標檢測方法，Yolov4算法在不影響實時性的情況下運算速度上更快，檢測精度更高。

發明內容

本發明提供了一種基于無人機成像技術的道路目標檢測方法。通過操控無人機在日常道路上進行飛行拍攝，采集不同道路上的圖片數據，將采集到的數據返回到地面站并進行分析處理，通過k-means聚類方法，預先對圖片進行聚類分析，找到最佳的Anchor Box，建立Yolov4神經網絡目標檢測模型，選取適當的損失函數和超參數進行訓練，最終實現日常道路的目標檢測。

本發明通過以下技術方案來實現：一種基于無人機成像技術的道路目標檢測方法，包括對道路圖像的采集，通過操控多旋翼無人機搭載高清相機對日常道路進行圖像采集。將采集到的道路日常圖像傳回到地面站，對圖像進行預處理。根據圖像中存在的類別個數，使用k-means聚類方法對包含n個數據對象的數據集隨機選取k個數據對象作為聚類算法的初始類簇中心點，根據相似性度量標準劃分數據集中的數據對象，通過反復迭代直至所屬聚類簇不再發生變化，即實現數據對象聚類，確定最佳先驗框。確定好先驗框后，將先驗框坐標和圖像數據集輸入到建立好的yolov4模型中，調節超參數并選擇適當的損失函數，開始迭代訓練，訓練好后將驗證集圖像輸入到訓練好的模型中實現目標檢測。

一種基于無人機成像技術的道路目標檢測方法，其特征在于，包括以下步驟：

S1、選擇可見度較好，晴朗的天氣開展圖像采集工作，避免采集的訓練集圖像不夠清晰從而造成訓練誤差。通過操控搭載高清相機的多旋翼無人機對日常道路進行圖像采集，同時將采集到的清晰的日常道路圖像傳回地面站；