【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 ...
【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
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。