基于卷积神经网络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卷积神经网络的快速车辆检测方法，根据鱼眼成像原理，将待检测图像im0分成若干个尺度不同的图片进行检测：1)、在pytorch上搭建mobilenet_yolov3模型；2)、图像预处理，截取并放缩待检测图像，得到三幅图像分别为im1、im2、im3；3)、用三个线程分别检测im1、im2、im3；4)、将三个图片检测结果还原成原来im0中的坐标。本发明专利技术将深度学习落地于嵌入式基于rk3399平台的adas系统中，多线程检测时间小于120ms,通过检测后对车辆进行跟踪，能达到实际运用，根据在adas系统中的实际路况，远处目标小，视野收窄，近处目标大，视野广，将图像检测分而治之，缩小了计算量。

Fast Vehicle Detection Method Based on Convolutional Neural Network

【技术实现步骤摘要】
基于卷积神经网络的快速车辆检测方法
本专利技术涉及基于卷积神经网络的快速车辆检测方法。
技术介绍
深度学习检测展现了很高的准确率，但是计算量相对较大，在adas(高级驾驶辅助系统(AdvancedDrivingAssistantSystem))中，实时性非常重要，tiny-yolov3算法是目前目标检测中速度较快的，然而在瑞芯微RK3399平台上每帧(416X416)检测超过250毫秒(ms),很难落地实际运用。
技术实现思路
本专利技术为了克服上述的现有技术不足之处，提供了一种基于卷积神经网络的快速车辆检测方法。一种基于卷积神经网络的快速车辆检测方法，根据鱼眼成像原理，将待检测图像im0分成若干个尺度不同的图片进行检测。基于卷积神经网络的快速车辆检测方法，包括以下步骤:1)、在pytorch上搭建mobilenet_yolov3模型；2)、图像预处理，截取并放缩待检测图像，得到三幅图像分别为im1、im2、im33)、用三个线程分别检测im1、im2、im3；4)、将三个图片检测结果还原成原来im0中的坐标。具体的，步骤2)包括：第一幅图像截取矩形框为(200:720,0:1280)直接乘以0.25得到im1:320X130.第二幅图像截取矩形框为(260:480，320:960)然后再乘以0.6，得到im2:283X132.第三幅图像截取矩形框为(320:448，480:800)尺度不变即为1,得到im3:320X128。优选的，所述步骤4)中，将三个图片检测结果还原成原来im0中的坐标，对于有重叠部分，检测的结果以第一幅图像为准。本专利技术提供的基于卷积神经网络的快速车辆检测方法将深度学习落地于嵌入式adas系统中，该adas基于rk3399平台,多线程检测时间小于120ms,通过检测后对车辆进行跟踪，能达到实际运用，根据在adas系统中的实际路况，远处目标小，视野收窄，近处目标大，视野广，将图像检测分而治之，缩小了计算量。具体实施方式本专利技术提供的基于卷积神经网络的快速车辆检测方法，包括如下步骤：本文车辆检测为im0:1280X720,根据鱼眼成像原理，分成三个尺度不同的图片进行检测：1、在pytorch上搭建mobilenet_yolov3模型，数据集来自coco。2、图像预处理，截取并放缩待检测图像。第一幅截取矩形框为(200:720,0:1280)直接乘以0.25得到im1:320X130.第二幅截取矩形框为(260:480，320:960)然后再乘以0.6，得到im2:283X132.第二幅截取矩形框为(320:448，480:800)尺度不变即为1,得到im3:320X128。3、用第1步训练模型用三个线程分别检测im1,im2,im3；4、将三个图片检测结果还原成原来im0中的坐标，对于有重叠部分处理如下，比如在im1中检测得到车辆底端为500，因为500超过第二幅截取边框480的最大值，所以这个区域检测的结果以第一幅为准。对于本领域的技术人员来说，可根据本专利技术所揭示的结构和原理获得其它各种相应的改变以及变形，而所有的这些改变以及变形都属于本专利技术的保护范畴。本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的快速车辆检测方法，其特征在于，根据鱼眼成像原理，将待检测图像im0分成若干个尺度不同的图片进行检测。

【技术特征摘要】
1.一种基于卷积神经网络的快速车辆检测方法，其特征在于，根据鱼眼成像原理，将待检测图像im0分成若干个尺度不同的图片进行检测。2.根据权利要求1所述的基于卷积神经网络的快速车辆检测方法，其特征在于包括以下步骤:1)、在pytorch上搭建mobilenet_yolov3模型；2)、图像预处理，截取并放缩待检测图像，得到三幅图像分别为im1、im2、im33)、用三个线程分别检测im1、im2、im3；4)、将三个图片检测结果还原成原来im0中的坐标。3.根据权利要求2所述的基于卷积神经网络的快速车辆检测...

【专利技术属性】
技术研发人员：牟华英，许晓边，王柯，俞兵华，
申请(专利权)人：广州鹰瞰信息科技有限公司，
类型：发明
国别省市：广东,44