【技术实现步骤摘要】
一种基于轨迹预测的道路移动目标检测方法
本专利技术属于运动目标检测
，具体涉及一种基于轨迹预测的道路移动目标检测方法。
技术介绍
随着自动驾驶技术的发展，准确、及时地检测出道路车辆和行人成为了自动驾驶辅助系统实现的基本要求。对于车辆及行人检测的实现手段目前主要可以分为基于赢家的检测方案和基于图像的检测方案。其中基于硬件的检测大多以车载传感系统感知道路环境，比如在车辆四周布置多个毫米级雷达进行信息采集，虽然此类方案可以很好的采集道路信息，但是极大的提高了车辆的生产成本，不利于自动驾驶技术的大面积推广。而基于图像的检测方案则是通过车载摄像头采集道路信息，再送给中央处理器计算出行驶路线。此种方案的优点在于可以极大减少制造成本，同时更换和移植检测系统的新版本也很方便。行人检测技术目前主要分为两类，分别是背景建模的方法和统计学习的方法。背景建模方法从图像中提取前景运动目标，在对应范围内进行特征提取，虽然方法简单可行，但存在无法良好适应光照变化、摄像机抖动造成的背景改变以及背景物体的突然改变等问题。因此更好的检查方法是根据...
【技术保护点】
1.一种基于轨迹预测的道路移动目标检测方法，其特征在于，包括以下步骤：/nS1、通过车载摄像头获取道路移动目标的视频流，并对其进行处理得到对应的图像帧；/nS2、将图像帧输入到训练好的目标检测网络中，获得对应的目标检测框；/nS3、对目标检测框中的目标进行目标跟踪，得到对应的目标跟踪框；/nS4、通过数据关联算法将目标检测框和目标跟踪框进行最优匹配，进而确定目标位置，实现移动目标检测。/n
【技术特征摘要】
1.一种基于轨迹预测的道路移动目标检测方法，其特征在于，包括以下步骤：
S1、通过车载摄像头获取道路移动目标的视频流，并对其进行处理得到对应的图像帧；
S2、将图像帧输入到训练好的目标检测网络中，获得对应的目标检测框；
S3、对目标检测框中的目标进行目标跟踪，得到对应的目标跟踪框；
S4、通过数据关联算法将目标检测框和目标跟踪框进行最优匹配，进而确定目标位置，实现移动目标检测。
2.根据权利要求1所述的基于轨迹预测的道路移动目标检测方法，其特征在于，所述步骤S2中的目标检测网络为改进的YOLOv3-Tiny网络；
所述改进的YOLOv3-Tiny网络在YOLOv3-Tiny网络的基础上，在其第四层、第五层和第六层中均增加了一个3×3的卷积层，并在每个卷积层后引入一个1×1的卷积核。
3.根据权利要求2所述的基于轨迹预测的道路移动目标检测方法，其特征在于，所述步骤S2中，对目标检测网络进行训练的方法具体为：
A1、构建包括若干图像帧的数据集，并对其进行预处理；
所述图像帧为车载摄像头获取的道路移动目标视频流对应的图像帧；
A2、通过LabelImage软件在预处理后的每张图像帧中标注出车辆和行人信息；
A3、将标注有车辆和行人信息的数据集进行训练集和测试集的划分，并输入到目标检测网络中；
A4、对目标检测网络输出的候选框使用k-means方法进行聚类；
A5、将输出的候选框和输入数据中的标记框的IOU值作为聚类评价指标；
A6、将最小IOU值对应的候选框的大小和个数作为目标检测网络的超参数；
A7、重复步骤A4-A6，对目标检测网络进行训练，当训练误差稳定小于2时，保存此时的网络参数，完成目标检测网络的训练。
4.根据权利要求3所述的基于轨迹预测的道路移动目标检测方法，其特征在于，所述步骤S3中的目标检测框中的目标包括车辆和行人，所述目标跟踪框包括目标运动轨迹预测框和目标预测框；
所述步骤S3具体为：
为每个目标检测框中的目标分配一个非线性增广卡尔曼滤波器进行目标跟踪，获得跟踪目标在下一帧的目标运动轨迹预测框和目标预测框。
5.根据权利要求4所述的基于轨迹预测的道路移动目标检测方法，其特征在于，通过一阶泰勒展开构建非线性增广卡尔曼滤波器；
所述非线性增广卡尔曼滤波器中的状态转移方程为：
θk＝f(<θk-1>)+FK-1(θk-1-...
【专利技术属性】
技术研发人员：吴正华，缪忻怡，李欣芮，欀玉双，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
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。