【技术实现步骤摘要】
一种道路目标快速检测预警方法和系统
本专利技术属于计算机视觉领域，更具体地，涉及一种道路目标快速检测预警方法和系统。
技术介绍
行人、车辆检测技术在辅助驾驶系统中应用广泛。在城市交通场景中，如何避免交通事故的发生一直是热点问题。当前辅助驾驶主要利用行人、车辆检测技术，对行驶机动车前方的图像进行检测分析，针对行人、车辆进行主动报警，可以辅助驾驶员提前进行规避，防止交通事故的发生。当前的行人、车辆检测技术主要利用基于深度学习的相关算法，对输入图像中的行人、车辆等目标进行检测识别。辅助驾驶系统的一个重要要求就是实时性。车辆相对于人来说行驶速度很快，如果不能很快的检测出行人并进行报警，那将无法及时的进行避险。另外系统需要具有较高的准确性，尽量减少漏报警、报假警情况的发生。目前有很多优秀的深度学习行人、车辆检测算法，与传统算法相比，在精度和鲁棒性方面高出很多，在高性能服务器上也能快速运行。但是若将这些网络直接移植到嵌入式设备、移动设备等平台，因为硬件平台计算性能的差异，运行速度将大打折扣。并不能满足快速性的要求。因此，在嵌入式设备和移动设备上运行的网络必须是轻量级的神经网络...
【技术保护点】
1.一种道路目标快速检测预警方法，其特征在于，包括以下步骤：(1)利用图像采集设备采集道路场景图像，依据目标距离从近到远的顺序从道路场景图像中提取N级感兴趣区域；(2)按照目标距离从近到远的顺序，依次对N级感兴趣区域进行目标检测，在目标距离较近的某级感兴趣区域检测到有目标后，进行预警，并不再对后续级别感兴趣区域进行检测；其中，N≥2，所述目标距离为目标与图像采集设备之间的距离。
【技术特征摘要】
1.一种道路目标快速检测预警方法，其特征在于，包括以下步骤：(1)利用图像采集设备采集道路场景图像，依据目标距离从近到远的顺序从道路场景图像中提取N级感兴趣区域；(2)按照目标距离从近到远的顺序，依次对N级感兴趣区域进行目标检测，在目标距离较近的某级感兴趣区域检测到有目标后，进行预警，并不再对后续级别感兴趣区域进行检测；其中，N≥2，所述目标距离为目标与图像采集设备之间的距离。2.如权利要求1所述的一种道路目标快速检测预警方法，其特征在于，所述步骤(1)包括以下步骤：采集道路场景图像，设置目标高度占比阈值为Thr、最近目标距离为L0；根据目标的像素高度与目标距离的关系f以及最近目标距离为L0，得到目标的像素高度H1，将H1作为第一级感兴趣区域的长，利用第一级感兴趣区域的长与道路场景图像的长宽比计算第一级感兴趣区域的宽；对于第N级感兴趣区域，将目标高度占比阈值Thr与第N-1级感兴趣区域的长HN-1的乘积HN作为第N级感兴趣区域的长，利用第N级感兴趣区域的长与道路场景图像的长宽比计算第N级感兴趣区域的宽；根据第N级感兴趣区域的长和宽以及目标的像素高度与目标距离的关系f得到第N-1级感兴趣区域检测目标的最远距离LN-1，同时LN-1也是第N级感兴趣区域检测目标的最近距离；利用目标高度占比阈值Thr与第N级感兴趣区域的长HN的乘积以及目标的像素高度与目标距离的关系f，得到第N级感兴趣区域检测目标的最远距离LN；第N级感兴趣区域的目标距离检测范围为(LN-1，LN)。3.如权利要求2所述的一种道路目标快速检测预警方法，其特征在于，所述步骤(1)还包括：采集不同目标距离下的道路场景图像集合，从道路场景图像集合中获取目标的像素高度以及与目标距离的离散数据，利用离散数据得到目标的像素高度与目标距离的关系f。4.如权利要求2所述的一种道路目标快速检测预警方法，其特征在于，所述目标高度占比阈值Thr的取值范围为(0，1)。5.如权利要求1-4任一所述的一种道路目标快速检测预警方法，其特征在于，所述道路场景图像与N级感兴趣区域的中心均为车道线交汇点。6.如权利要求2或4所述的一种道路目标快速检测预警方法，其特征在于，所述步骤(2)中目标检测的具体实现方式为：利用目标检测模型对N级感兴趣区域进行目标检测，所述目标检测模型的训练包括：对于样本道路场景图像提取N级感兴趣区域样本，并标记每个感兴趣区域样本中目标高度占比大于目标高度占比阈值的目标，得到训练样本集；构建包含特征提取层的目标检测卷积神经网络，在特征提取层对训练样本集中N级感兴趣区域样本进行特征提取，得到特征图；在特征图中设置多个预选框，计算训练样本集中感兴趣区域样本中被标记目标与每个预选框的重叠率，利用重叠率大于预设值的预选框和训练样本集训练目标检测卷积神经网络，得到训练...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。