[發明專利]一種車輛檢測模型訓練方法和車輛檢測方法

在審

• 申請號: 202211619141.2
• 申請日: 2022-12-14
• 公開（公告）號: CN115965831A
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 胡中華;陳炫憧;覃浩藍
• 申請（專利權）人: 北京信路威科技股份有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/50;G06V10/82;G06N3/08;G06N3/0464
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 趙萬凱

1.一種車輛檢測模型訓練方法，適于在計算設備中執行，其特征在于，包括：

獲取訓練數據集，所述訓練數據集包括預定數量相同尺寸的車輛灰度圖，所述車輛灰度圖中包含車輛位置標注信息；

將所述車輛灰度圖調整為不同尺寸后提取對應的HOG特征，得到不同尺寸的HOG特征圖；

將所述車輛灰度圖和不同尺寸的HOG特征圖輸入預先構建的車輛檢測模型中進行迭代訓練；以及

對訓練后的車輛檢測模型進行重參數化得到用于預測的車輛檢測模型。

2.根據權利要求1所述的車輛檢測模型訓練方法，其特征在于，所述獲取訓練數據集，所述訓練數據集包括預定數量相同尺寸的車輛灰度圖，所述車輛灰度圖中包含車輛位置標注信息的步驟包括：

獲取不同場景下不同類型的車輛圖像，對車輛圖像中的車輛位置和類型進行標注；

將獲取的車輛圖像轉換為灰度圖，并將灰度圖調整為相同尺寸；

對相同尺寸的灰度圖進行高斯濾波，得到預設數量相同尺寸的車輛灰度圖。

3.根據權利要求1所述的車輛檢測模型訓練方法，其特征在于，所述將所述車輛灰度圖調整為不同尺寸后提取對應的HOG特征，得到不同尺寸的HOG特征圖的步驟包括：

將相同尺寸的灰度圖調整為不同尺寸的灰度圖；

對不同尺寸的灰度圖分別提取HOG特征，得到HOG特征數據；

將所述HOG特征數據進行特征圖可視化，得到不同尺寸的HOG特征圖。

4.根據權利要求1所述的車輛檢測模型訓練方法，其特征在于，所述預先構建的車輛檢測模型包括級聯的特征提取網絡和預測網絡，

所述特征提取網絡包括多個由3*3卷積層、1*1卷積層并行組成的分支結構和3*3池化層，所述分支結構用于對通道合并后的車輛灰度圖進行特征提取，所述池化層用于對特征提取后的特征圖進行下采樣；

所述預測網絡包括由反卷積模塊和分別用于輸出熱力圖、中心點偏置和預測框尺寸的三個分支卷積網絡，所述反卷積模塊包括3*3卷積層、2*2上采樣層和add層。

5.根據權利要求4所述的車輛檢測模型訓練方法，其特征在于，所述將所述車輛灰度圖和不同尺寸的HOG特征圖輸入預先構建的車輛檢測模型中進行迭代訓練的步驟包括：

將車輛灰度圖和下采樣后得到的不同尺寸的灰度圖分別與對應尺寸的HOG特征圖進行通道合并；

基于預測網絡輸出的目標預測類別、中心點偏置和預測框尺寸與真實值之間的誤差計算損失函數；

當所述損失函數的損失值小于預設閾值或者迭代次數達到預設迭代周期時訓練結束，得到訓練后的車輛檢測模型。

6.根據權利要求5所述的車輛檢測模型訓練方法，其特征在于，所述對訓練后的車輛檢測模型進行重參數化得到用于預測的車輛檢測模型的步驟包括：

將每個分支結構中的3*3卷積核和1*1卷積核填充后進行合并，得到用于預測的車輛檢測模型。

7.一種車輛檢測方法，適于在計算設備中執行，其特征在于，包括：

獲取待檢測車輛圖片；

對所述待檢測車輛圖片進行預處理，得到預設尺寸的待檢測車輛灰度圖；

將所述預設尺寸的待檢測車輛灰度圖調整為不同尺寸后提取對應的HOG特征，得到不同尺寸的待檢測HOG特征圖；

將預設尺寸的待檢測車輛灰度圖和不同尺寸的待檢測HOG特征圖輸入如權利要求1-6任意一項中所述的車輛檢測模型訓練方法得到的用于預測的車輛檢測模型中進行預測和特征解碼，得到車輛位置信息和類型。

8.根據權利要求7所述的車輛檢測方法，其特征在于，所述將所述預設尺寸的待檢測車輛灰度圖調整為不同尺寸后提取對應的HOG特征，得到不同尺寸的待檢測HOG特征圖的步驟包括：

將預設尺寸的待檢測車輛灰度圖依次按比例縮小，得到不同尺寸的金字塔灰度圖；

計算金字塔灰度圖的HOG特征向量，對HOG特征向量進行可視化處理得到金字塔灰度圖對應的HOG特征圖。