一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法技术

本发明专利技术公开了一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法，包括以下步骤：卷积：预先在darknet框架基础上通过img2col+GEMM+group方案实现可分离卷积YOLO，确定目标检测加速；场景确定：通过连续帧差技术进行场景动静状态的信息采集，以及运动目标的信息采集；可分离卷积YOLO采集：在运动场景中通过可分离卷积YOLO进行目标的信息采集。本发明专利技术：通过可分离卷积方案替换传统卷积，使得目标检测前向传播过程速度提升了2倍，有效地解决了多路实时视频检测难题。同时本发明专利技术通过帧差技术和二次判定算法对YOLO漏检的目标进行了补偿，大幅降低了视频流目标检测的误检和漏检。

【技术实现步骤摘要】
一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法
本专利技术涉及计算机视觉
，具体来说，涉及一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法。
技术介绍
近年来随着车辆的增多，交通道路的拥堵情况越来越严重，因此交通部门对能够实时检测各条道路上的行驶车辆数量的技术需求显得愈加强烈。传统上采用的人工检测的方式既消耗人力又缺乏准确率。并且当前的主流的基于机器视觉的车辆检测方法仅在静态图片中有较好的性能表现，而在动态视频中的性能表现不能够满足技术需求。现有的车辆检测方法主要有以下几种：1、HOG特征检测：HOG检测法特征是一种在计算机视觉和图像处理中用来进行车辆检测的特征描述。它通过计算和统计图像局部区域的梯度方向直方图来构成特征，然后将HOG特征与SVM分类器相结合进行车辆检测。HOG特征检测具有较高的检测速率，但HOG特征检测对环境噪声较为敏感，鲁棒性较差。2、卷积神经网络：卷积神经网络主要由多个卷积层、池化层和全连接层组成，其中，卷积层用于提取图片中车辆的特征；池化层用于降低维度，减小运算量；全连接层用于特征分类。卷积神经网络的训练样本需要标注类型信息才能用于训练。卷积神经网络法具有较高的识别率以及较强的鲁棒性。由于卷积神经网络主要用于物体识别任务，因此通常需要结合滑动窗口才能完成检测任务。而为了保证检测任务的召回率，滑动窗口步数通常较小，从而降低了卷积神经网络在检测任务中的检测速度。3、YOLO神经网络：YOLO神经网络的主体部分也是卷积神经网络，但YOLO神经网络可以直接完成车辆检测任务。YOLO神经网络的训练样本不光需要标注图片中样本的类别信息还要标注位置信息。在检测过程中，将图片分割成若干网格，然后每个网格直接预测车辆所在位置的边界框和物体为车辆的概率。YOLO神经网络法具有很快的检测速率，满足视频检测的速率要求。但检测结果的召回率通常不如卷积神经网络，主要表现为容易漏检视频中的小物体。由此可见，车辆检测技术在静态图片中具较好地表现。但受检测速率、准确率以及召回率的影响，现有方法在视频方面仍存在着很多技术难题。因而基于视频的车辆检测技术仍是国内外一些科研机构重要的研究课题。针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
针对相关技术中的问题，本专利技术提出一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法，以克服现有相关技术所存在的上述技术问题。本专利技术的技术方案是这样实现的：一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法，包括以下步骤：卷积：预先在darknet框架基础上通过img2col+GEMM+group方案实现可分离卷积YOLO，确定目标检测加速；场景确定：通过连续帧差技术进行场景动静状态的信息采集，以及运动目标的信息采集；可分离卷积YOLO采集：在运动场景中通过可分离卷积YOLO进行目标的信息采集；检测采集：通过采用IOU进行两次捕捉结果的筛选，高于阈值的采用YOLO确定目标信息，小于阈值的作为漏检的目标，进行目标补偿。进一步的，所述可分离卷积YOLO确定目标检测加速包括以下步骤：通过改进YOLO的网络结果，将YOLO中的卷积层用分离卷积代替，提高YOLO的检测速度；通过利用帧差法对视频每一帧进行判别，若有运动目标则调用改进的YOLO检测算法检测车辆，若没有运动目标，则继续用帧差法检测下一帧。进一步的，所述漏检，包括以下步骤：通过将YOLO算法检测出的边界框作为基准边界框，帧差法检测出的边界框作为补充边界框；将帧差法检测出的边界框逐一与YOLO检测出的边界框进行比较，计算IOU；当IOU大于0.7时，可以认为这是同一物体，当IOU小于0.7时，可以认为这是YOLO算法漏检的物体，将此物体的边界框添加至基准边界框。进一步的，所述帧差法检测车辆边界框，包括以下步骤：预先通过对帧差结果进行闭运算，填充目标体内细小空洞；通过提取轮廓并进行凸包检测，得到车辆大致几何形状；最后根据车辆的边界坐标绘制矩形框。本专利技术的有益效果：通过可分离卷积方案替换传统卷积，使得目标检测前向传播过程速度提升了2倍，有效地解决了多路实时视频检测难题。同时本专利技术通过帧差技术和二次判定算法对YOLO漏检的目标进行了补偿，大幅降低了视频流目标检测的误检和漏检。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据本专利技术实施例的一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法的结构示意图；图2是根据本专利技术实施例的一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法的YOLO的网络示意图；图3是根据本专利技术实施例的一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法的可分离卷积的网络示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。根据本专利技术的实施例，提供了一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法。如图1-3所示，根据本专利技术实施例的基于可分离卷积技术和帧差补偿策略的快速车辆检测方法，包括以下步骤：步骤S101，卷积：预先在darknet框架基础上通过img2col+GEMM+group方案实现可分离卷积YOLO，确定目标检测加速；步骤S103，场景确定：通过连续帧差技术进行场景动静状态的信息采集，以及运动目标的信息采集；步骤S105，可分离卷积YOLO采集：在运动场景中通过可分离卷积YOLO进行目标的信息采集；步骤S107，检测采集：通过采用IOU进行两次捕捉结果的筛选，高于阈值的采用YOLO确定目标信息，小于阈值的作为漏检的目标，进行目标补偿。另外，在一个实施例中，所述可分离卷积YOLO确定目标检测加速包括以下步骤：通过改进YOLO的网络结果，将YOLO中的卷积层用分离卷积代替，提高YOLO的检测速度；通过利用帧差法对视频每一帧进行判别，若有运动目标则调用改进的YOLO检测算法检测车辆，若没有运动目标，则继续用帧差法检测下一帧。另外，在一个实施例中，所述漏检，包括以下步骤：通过将YOLO算法检测出的边界框作为基准边界框，帧差法检测出的边界框作为补充边界框；将帧差法检测出的边界框逐一与YOLO检测出的边界框进行比较，计算IOU；当IOU大于0.7时，可以认为这是同一物体，当IOU小于0.7时，可以认为这是YOLO算法漏检的物体，将此物体的边界框添加至基准边界框。另外，在一个实施例中，所述帧差法检测车辆边界框，包括以下步骤：预先通过对帧差结果进行闭运算，填充目标体内细小空洞；通过提取轮廓并进行凸包检测，得到车辆大致几何形状；最后根据车辆的边界坐标绘制矩形框。另外，在一个实施例中，对于上述可分离卷积YOLO确定目标检测加速，其计算公式如下：其中，BoundingBox为最终检测出的车辆的边界框，为改进的YOLO算法检测出的车辆的边界框与帧差法检测出的边界框的融本文档来自技高网...

【技术保护点】
1.一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法，其特征在于，包括以下步骤：卷积：预先在darknet框架基础上通过img2col+GEMM+group方案实现可分离卷积YOLO，确定目标检测加速；场景确定：通过连续帧差技术进行场景动静状态的信息采集，以及运动目标的信息采集；可分离卷积YOLO采集：在运动场景中通过可分离卷积YOLO进行目标的信息采集；检测采集：通过采用IOU进行两次捕捉结果的筛选，高于阈值的采用YOLO确定目标信息，小于阈值的作为漏检的目标，进行目标补偿。

【技术特征摘要】
1.一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法，其特征在于，包括以下步骤：卷积：预先在darknet框架基础上通过img2col+GEMM+group方案实现可分离卷积YOLO，确定目标检测加速；场景确定：通过连续帧差技术进行场景动静状态的信息采集，以及运动目标的信息采集；可分离卷积YOLO采集：在运动场景中通过可分离卷积YOLO进行目标的信息采集；检测采集：通过采用IOU进行两次捕捉结果的筛选，高于阈值的采用YOLO确定目标信息，小于阈值的作为漏检的目标，进行目标补偿。2.根据权利要求1所述的基于可分离卷积技术和帧差补偿策略的快速车辆检测方法，其特征在于，所述可分离卷积YOLO确定目标检测加速包括以下步骤：通过改进YOLO的网络结果，将YOLO中的卷积层用分离卷积代替，提高YOLO的检测速度；通过利用帧差法对视频每一帧进行判别，若有...

【专利技术属性】
技术研发人员：刘圭圭，李凡平，石柱国，
申请(专利权)人：北京以萨技术股份有限公司，青岛以萨数据技术有限公司，
类型：发明
国别省市：北京,11