一种基于轻量化神经网络的复杂环境下车辆检测方法技术

本发明专利技术公开了一种基于轻量化神经网络的复杂环境下车辆检测方法，包括以下步骤：1）获取样本图像，并对样本图像进行预处理；2）搭建网络并经过输出格式设计、真实框聚类及优化操作后从而完成网络训练；3）网络测试，利用经过网络训练的网络对待检测的样本图像进行检测，并输出检测结果；能够避免过多的重复计算，从而提高了检测速度，并且能够获得更好的车辆识别效果解决了现有基于特征的车辆检测方法在复杂环境中易受光照、天气、遮挡、目标尺度和图像质量等因素影响，效率低下且泛化能力较差的问题。

A Vehicle Detection Method in Complex Environment Based on Lightweight Neural Network

The invention discloses a vehicle detection method under complex environment based on lightweight neural network, which includes the following steps: 1) acquiring sample image and preprocessing sample image; 2) building network and completing network training after output format design, real frame clustering and optimization operation; 3) network testing, using network trained network to treat the detected sample. This image can be detected and output the test results; it can avoid too much repeated calculation, thus improving the detection speed, and can obtain better vehicle recognition effect. It solves the problem that the existing feature-based vehicle detection methods are vulnerable to illumination, weather, occlusion, target scale and image quality in complex environment, and have low efficiency and poor generalization ability.

【技术实现步骤摘要】
一种基于轻量化神经网络的复杂环境下车辆检测方法
本专利技术涉及模式识别技术、交通监控技术等领域，具体的说，是一种基于轻量化神经网络的复杂环境下车辆检测方法。
技术介绍
车辆检测是智能交通系统中一个不可或缺的重要环节，通过车辆检测方式采集有效的道路交通信息，获得交通流量、车速、道路占有率、车间距、车辆类型等基础数据，有目的地实现监测、控制、分析、决策、调度和疏导，实现交通资源的最大化，从而能够提升整个智能交通系统的健壮性及鲁棒性。车辆检测作为智能交通系统中的核心功能，车辆检测是使用技术手段提取出道路上行驶车辆的位置信息。在基于视觉的解决方案中，分为基于视频与基于静态图像两类，前者处理对象是摄像头获取的视频流，后者处理对象是摄像头获取静态图像。基于视频的车辆检测算法通常利用背景建模、光流法以及帧差法提取出车辆位置信息。基于视频的车辆检测解决方案设计简单，针对简单场景路口的车辆检测较好。但是这种解决方案的成本较高，一方面视频通信对系统通信带宽要求很高，另一方面视频数据中存在大量冗余信息，会造成数据中心存储资源、计算资源的浪费。基于图像的车辆检测解决方案是使用物体检测技术检测出图像中所有的车本文档来自技高网...

【技术保护点】
1.一种基于轻量化神经网络的复杂环境下车辆检测方法，其特征在于：包括以下步骤：1)获取样本图像，并对样本图像进行预处理；2)搭建网络并经过输出格式设计、真实框聚类及优化操作后从而完成网络训练；3)网络测试，利用经过网络训练的网络对待检测的样本图像进行检测，并输出检测结果。

【技术特征摘要】
1.一种基于轻量化神经网络的复杂环境下车辆检测方法，其特征在于：包括以下步骤：1)获取样本图像，并对样本图像进行预处理；2)搭建网络并经过输出格式设计、真实框聚类及优化操作后从而完成网络训练；3)网络测试，利用经过网络训练的网络对待检测的样本图像进行检测，并输出检测结果。2.根据权利要求1所述的一种基于轻量化神经网络的复杂环境下车辆检测方法，其特征在于：所述步骤1)包括以下具体步骤；1.1)从道路视频中获取视频截图，形成样本图像，并保存到images文件夹下；1.2)按照70～80％、20～30％的比例将所有样本图像分成训练集，测试集，并分别存放在train文件夹和test文件夹下；1.3)对train文件夹下的样本图像进行真实标签标注，将出现的车辆标记上矩形框，并将矩形框的坐标信息经过归一化处理后保存为xml文件；1.4)将训练集和测试集进行缩放、增强操作，完成格式化数据。3.根据权利要求1或2所述的一种基于轻量化神经网络的复杂环境下车辆检测方法，其特征在于：所述网络包括23个卷积操作和一个Detection层，23个卷积操作包括一个单独的CONV操作和11组CONV/CONV_DW操作。4.根据权利要求3所述的一种基于轻量化神经网络的复杂环境下车辆检测方法，其特征在于：每一组所述CONV/CONV_DW操作中的CONV操作的卷积核的大小为1×1且步长为1；每一组所述CONV/CONV_DW操作中的CONV_DW操作的卷积核大小为3×3，且第2、4、6层操作中的步长为2，其余步长为1。5.根据权利要求3所述的一种基于轻量化神经网络的复杂环境下车辆检测方法，其特征在于：所述单独的C...

【专利技术属性】
技术研发人员：向凯，殷光强，桂铭成，候少麒，李耶，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51