一种杂乱环境下改进的YOLOv2物体检测方法技术

本发明专利技术涉及一种物体检测方法，特别是一种杂乱环境下改进的YOLOv2物体检测方法。使用YOLOv2物体检测模型检测物体，输出检测物体边界框的长和宽，输出的长和宽分别缩小K1和K2倍，K1＝1.47，K2＝1.0612。本发明专利技术通过将YOLOv2模型输出检测物体边界框的长和宽分别缩小K1和K2倍，缩小后每个边界框只包含一个物体，多个物体边界框的交集减少，既能保证检测到图片中的所有物体，又大大减小了后续计算目标物体的三维坐标信息、及目标物体到摄像机的距离时的误差，提高了检测精度。

【技术实现步骤摘要】
一种杂乱环境下改进的YOLOv2物体检测方法
本专利技术涉及一种物体检测方法，特别是一种杂乱环境下改进的YOLOv2物体检测方法。
技术介绍
在实现杂乱环境下的物体抓取中，如现实生活中的垃圾分类，需要用彩色摄像机采集彩色图片，然后使用物体检测方法检测目标物体的类别和目标物体在图像中的位置，再通过数据处理计算出目标物体的三维坐标，最后控制机械臂进行目标物体抓取。现有的物体检测算法有多种，如RCNN、Fast-RCNN、Faster-RCNN，YOLO，YOLOv2。前三种物体检测算法速度较慢，目前达不到物体抓取环境下实时检测目标物体的要求。YOLO检测速度可以达到每秒45帧，但目标物体在图像中的定位误差很大，直接导致YOLO的检测精度并不高。YOLOv2是在YOLO版本上做出的改进，包括新的基础网络、更细的网格划分、多尺度训练、全卷积网络、使用Faster-RCNN的anchor机制、更多的训练技巧等等，使得yolov2在保持原有速度的优势之下，精度上得以提升，YOLOv2对图像中目标物体检测的准确率达到78.6％，检测速度为每秒40帧，使其适用于杂乱环境下物体抓取的目标物体检测。但Y本文档来自技高网...

【技术保护点】
1.一种杂乱环境下改进的YOLOv2物体检测方法，使用YOLOv2物体检测模型检测物体，输出检测物体边界框的长和宽，其特征在于，所述输出的长和宽分别缩小K1和K2倍，所述K1＝1.47，所述K2＝1.0612。

【技术特征摘要】
1.一种杂乱环境下改进的YOLOv2物体检测方法，使用YOLOv2物体检测模型检测物体，输出检测物体边界框的长和宽，其特征在于，所述输出的长和宽分别缩小K1和K2倍，所述K1＝1.47，所述K2＝1.0612。2.根据权利要求1所述的杂乱环境下改进的YOLOv2物体检测方法，其特征在于，所述YOLOv2模型的搭建过程包括以下步骤：...

【专利技术属性】
技术研发人员：魏国亮，余玉琴，蔡晨，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31