[發明專利]一種基于深度學習的目標檢測系統

在審

• 申請號: 202211248554.4
• 申請日: 2022-10-12
• 公開（公告）號: CN115544885A
• 公開（公告）日: 2022-12-30
• 發明（設計）人: 孫業國;劉義紅;劉磊;張龍;張科
• 申請（專利權）人: 淮南師范學院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08
• 代理公司: 北京深川專利代理事務所(普通合伙) 16058
• 代理人: 疏亞雅

本發明屬于目標檢測系統技術領域，具體的說是一種基于深度學習的目標檢測系統，主要應用于汽車自動駕駛方面，包括數據標記模塊、數據存儲模塊、數據處理模塊、數據驗證模塊、仿真模擬模塊和結果記錄模塊，所述結果記錄模塊用以保存記錄模擬通過的數據，以備后續導入到自動駕駛系統中，用以提供自動駕駛的目標檢測；本發明通過仿真模擬將相關數據導入到結果記錄模塊中進行存儲，并自動更新之前的數據，以此保證結果記錄模塊一直存儲著最新的穩定數據，保證了數據調用時不會出現紊亂的情況，同時降低了過往數據對系統內存的占用，降低了過往數據的內存占用，引發目標檢測系統運行效率下降的影響。

技術領域

本發明屬于目標檢測系統技術領域，具體的說是一種基于深度學習的目標檢測系統。

背景技術

在人工智能領域，汽車自動駕駛一直是一個重要的研究方向，通過智能輔助駕駛系統對有些人為疏忽造成的危險進行規避，能夠最大程度上避免悲劇的發生；目前的自動駕駛目標檢測系統主要依靠攝像頭和激光雷達檢測車輛前方場景中的各種物體類別和位置，進而將相關的信息傳遞到目標檢測系統中進行分析，當在危險出現之前，采取緊急制動。

目前的目標檢測系統檢測流程，主要為目標類別檢測和目標實例檢測，第一步先找到物體的位置，第二步對該位置物體進行分類；目標實例檢測具有更細的粒度，例如在檢測到車輛或人的時候會給出，這輛車是具體的某個牌子和型號，在人這個類別中會具體某一個人，而目標類別的檢測則關注當前檢測到的物體是哪一類，比如：在自動駕駛場景中，只會給出檢測到的攝像頭收集到的當前場景中包含的物體類別，如：人、車、建筑物或紅綠燈等。

現有的目標檢測系統基于深度學習技術中非常經典的目標檢測框架Faster R-CNN，嘗試不同的特征提取層，訓練出一個速度和精度表現都非常不錯的模型，并應用到系統中，主要是在Faster R-CNN原版的VGG16和ZF模型的基礎上，用來作為特征的提取，以此實現目標檢測系統的深度學習。

雖然上述學習框架能夠有效保證目標檢測系統進行自主學習優化，并應用在自動駕駛系統中，但是上述目標檢測方法在檢測過程中會產生大量的冗余數據，若不及時將這些冗余數據從中篩分出來，隨著目標檢測系統運行時間的延長，會增加系統的存儲壓力，并且數據越來越多還會影響目標檢測系統的反應效率，使得系統長期運行后，檢測效率下降。

鑒于此，本發明為了解決上述問題，提出了一種基于深度學習的目標檢測系統。

發明內容

為了彌補現有技術的不足，根據現有技術中目標檢測系統在長期運行后，內部會充斥大量的冗余數據，影響目標檢測系統運行效率等問題，本發明提出一種基于深度學習的目標檢測系統。

本發明解決其技術問題所采用的技術方案是：

本發明所述的1.一種基于深度學習的目標檢測系統，其特征在于，包括：

數據標記模塊，所述數據標記模塊用以對道路上的物體進行標記，并對每一個物體賦予獨立的編號；

數據存儲模塊，所述數據存儲模塊用以將數據標記模塊中標記的數據進行保存，并根據標記的類別編號進行分類；

數據處理模塊，所述數據處理模塊用以分析處理數據存儲模塊中的存儲數據；

數據驗證模塊，所述數據驗證模塊用以將處理后的數據進行歸類整理，并驗證每一項數據是否存在錯誤；

仿真模擬模塊，所述數據驗證模塊采用驗證完整且正確的數據，然后將數據導入到程序進行仿真模擬，確認目標檢測系統能否檢測到模擬目標信息，并進行識別；

結果記錄模塊，所述結果記錄模塊用以保存記錄模擬通過的數據，以備后續導入到自動駕駛系統中，用以提供自動駕駛的目標檢測。