[發明專利]一種基于YOLOV5的目標對象跟隨方法及裝置

在審

• 申請號: 202310327802.2
• 申請日: 2023-03-30
• 公開（公告）號: CN116402853A
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 張澤東;龐艷軍;李鑫
• 申請（專利權）人: 蘇州拓氪科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06V10/40;G06T7/73;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 蘇州京昀知識產權代理事務所(普通合伙) 32570
• 代理人: 顧友

1.一種目標檢測模型的訓練方法，其特征在于，所述方法包括：

將原始的YOLOV5模型中的特征提取模塊替換為Ghost-BottleNeck模塊，得到第一YOLOV5模型；

利用訓練數據集對所述第一YOLOV5模型進行訓練，獲取第二YOLOV5模型；

利用預設損失函數對所述第二YOLOV5模型的各個參數進行優化，得到目標檢測模型，所述預設損失函數包括GloU損失函數和Alpha-IoU損失函數；

GloU的計算公式如下：

其中，loU為預測框的重疊區域，A是預測框，B是真實框，C是A與B的最小合圍框；

Alpha-loU的計算公式如下：

L_α-loU＝1-loU^α1+β^α2(B，B^gt)

其中，α1＞0，α2＞0，B為真實框的尺寸與位置，B^gt為預測框的尺寸與位置，并且β^α2(B，B^gt)表示根據B和B^gt計算的懲罰項。

2.根據權利要求1所述的目標檢測模型的訓練方法，其特征在于，所述利用訓練數據集對所述第一YOLOV5模型進行訓練包括：

將所述訓練數據集中的輸入特征圖輸入所述第一YOLOV5模型中，所述第一YOLOV5模型中的所述Ghost-BottleNeck模塊對所述輸入特征圖進行卷積計算，生成原始特征圖；

對所述原始特征圖進行線性變換得到Ghost特征圖；

對所述Ghost特征圖進行拼接處理，得到輸出特征圖。

3.根據權利要求2所述的目標檢測模型的訓練方法，其特征在于，所述利用預設損失函數對所述第二YOLOV5模型的各個參數進行優化，得到目標檢測模型包括：

步驟一、利用所述預設損失函數計算所述輸出特征圖與所述訓練數據集中對應的真實特征圖之間的損失值；

步驟二、根據所述損失值對所述第二YOLOV5模型通過反向傳播更新各個參數；

步驟三、將所述訓練數據集中的輸入特征圖輸入到參數更新后的所述第二YOLOV5模型中，得到新的輸出特征圖；

步驟四：重復執行步驟一至步驟三，直至計算得到的損失值滿足預設條件，則確定最后一次參數更新后所述第二YOLOV5模型為目標檢測模型。

4.一種基于YOLOV5的目標對象跟隨方法，其特征在于，所述方法包括：

獲取包含待跟隨的目標對象的視頻數據，利用SAHI策略對所述視頻數據進行切片處理，得到輸入圖片；

將所述輸入圖片輸入到如權利要求1至3任一項所述的目標檢測模型的訓練方法訓練得到的目標檢測模型中進行特征提取，得到預測特征圖；

利用預設篩選方法對所述預測特征圖進行篩選，獲取最終檢測結果；

根據所述最終檢測結果以及預設跟隨算法生成跟隨策略，并根據所述跟隨策略對跟隨對像進行控制。

5.根據權利要求4所述的基于YOLOV5的目標對象跟隨方法，其特征在于，所述SAHI策略包括完整推理和輔助切片。

6.根據權利要求4所述的基于YOLOV5的目標對象跟隨方法，其特征在于，所述預測特征圖中至少包括多個候選檢測框，所述利用預設篩選方法對所述預測特征圖進行篩選，獲取最終檢測結果包括：

利用非極大值抑制算法對所述預測特征圖中的所述多個候選檢測框進行篩選，去除同一對象的置信度低于預設閾值的檢測框。

7.根據權利要求4所述的基于YOLOV5的目標對象跟隨方法，其特征在于，所述跟隨對像包括車輛，所述預設跟隨算法包括轉向控制算法和速度控制算法；

所述根據所述最終檢測結果以及預設跟隨算法生成跟隨策略，并根據所述跟隨策略對跟隨對像進行控制包括：

根據所述最終檢測結果以及預設跟隨算法計算出所述車輛的舵機的轉向角速度和車速，根據所述轉向角速度和車速對所述車輛進行控制。