申请/专利权人：北航航空航天产业研究院丹阳有限公司

申请日：2019-11-19

公开（公告）日：2024-03-19

公开（公告）号：CN111079540B

主分类号：G06V20/56

分类号：G06V20/56;G06V10/774;G06V10/762;G06V10/766;G06V10/82;G06N3/045;G06N3/0464;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2020.05.22#实质审查的生效;2020.04.28#公开

摘要：本发明提供了一种车载视频目标快速检测方法，属于计算机视觉、深度学习技术领域，包括如下步骤：步骤一：制作样本集；步骤二：确定模型先验边界框的初始化参数；步骤三：构建改进的tiny‑yolo‑v2目标检测网络模型，将原始9层网络结构简化为7层结构的卷积神经网络模型，前6层均为网络结构块，最后1层为卷积层；步骤四：训练模型；步骤五：检测目标。通过上述方法，可以实现车载视频每帧图像中设定目标的快速检测，相比于原tiny‑yolo‑v2网络结构，减少了网络层数和全网络卷积核数，使得所构建网络在保证目标检测精度与tiny‑yolo‑v2一致的条件下，检测速度增加、占用存储空间与计算资源减少，可满足车载视频目标检测要求。

主权项：1.一种车载视频目标快速检测方法，其特征在于，包括如下步骤：步骤一：制作样本集采集包含5种特定目标类型的车载视频作为训练和测试的样本集，将视频拆分为连续图像帧，标注每帧图像中出现的上述5种特定目标的类别和位置，随机选取部分有效样本作为训练样本集，剩余样本作为测试样本集，用于网络训练和测试网络模型性能；步骤二：确定模型先验边框初始化参数在网络模型中引入先验边框机制，使用K-means聚类算法，统计训练样本集中的所述5种特定目标的边框宽和高的均值和分布，用于初始化目标边框参数值w和h，w和h分别表示目标边框的宽和高；计算训练样本集中每类目标的真实边框和先验边框的交并比IOU，其计算公式如下： 式中，Areaofoverlap是目标真实边框与先验边框的重叠部分面积；Areaofunion是目标真实边框与先验边框的总面积；步骤三：构建改进的tiny-yolo-v2目标检测网络模型，所述网络模型包括如下内容：1改进tiny-yolo-v2网络模型结构，去掉原9层网络中的第7、8层，构建含有7层结构的卷积神经网络，并对每一层结构的卷积核个数进行调整，前6层均为网络结构块，后1层为卷积层；前6层网络结构块可以从训练数据中习得深层目标特征，第7层的卷积层为回归模型；所述含有7层结构的tiny-yolo-v2卷积神经网络中，每个结构块中：第一层为3×3卷积层，使用BatchNormalization归一化处理输入数据；第二层为池化层，使用LeakyReLU激活函数处理，如式2所示： 其中，x为池化层输入数据，a取1，+∞区间内的任意数值；2构建损失函数，包括：在原有损失函数的基础上增加两个学习目标权重系数，构造新的网络学习损失函数如式3所示：Loss＝λcoordLosscoord+Lossobj+λnoobjLossnoobj3式中，λcoord为位置误差调整权重系数，设定为5；λnoobj为不含目标边框置信度权重系数，设定为0.5；Losscoord为位置误差损失函数；Lossobj为目标分类误差函数；Lossnoobj为不含目标边框损失函数；各类误差函数定义如式4-6所示： 式中，x、y、w、h分别为预测边框的中心坐标及其宽和高，分别为真值边框的中心坐标及其宽和高；Ci为预测边框内包含目标i的置信度，为真值边框包含目标i的置信度；pic为预测边框的分类概率，为真值边框的分类概率；在第i个网格中第j个目标预测边框时为1，否则为0，在目标中心位于第i个网格时为1，否则为0；步骤四：配置网络训练和测试所需环境，训练网络模型；步骤五：输入测试集的视频连续帧图像序列，加载步骤四训练所得网络模型，使用该模型检测测试样本集中的目标，利用非极大值抑制检测出测试样本中目标的位置和类别；步骤四中所述训练网络模型包括：按照步骤二聚类得出的先验边框，初始化网络边框参数；按照步骤三构建的网络模型及损失函数，初始化网络学习模型；不断向网络输入训练样本，计算损失函数值，根据损失函数值调整网络各层权重系数，如此循环，直至损失函数值达到设计要求；所述步骤五中，使用步骤一中制作的车载视频训练样本集训练改进前的tiny-yolo-v2网络，导出其训练模型，再使用测试样本集测试改进前的tiny-yolo-v2网络模型的mAPold值，并记录；再使用步骤四训练得到的网络模型，批量检测测试样本集，批量输出目标检测结果，并统计该模型的平均检测精度mAPnew值；如果mAPold-mAPnew≥ε，则增加每层的卷积核数量，更新改进的网络结构；再次用训练样本集训练更新的网络结构，导出新的网络模型，并用测试样本集测试该网络模型，直至mAPold-mAPnew＜ε，得到最终改进的网络模型。

全文数据：

权利要求：

百度查询： 北航航空航天产业研究院丹阳有限公司 一种基于目标特性的分层可重构车载视频目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD