【技术实现步骤摘要】
一种基于深度学习的雾天下车辆检测方法
本专利技术属于交通车辆检测
,具体涉及一种基于深度学习的雾天下车辆检测方法。
技术介绍
随着经济的发展,汽车制造业的繁荣,车辆数目与日俱增,在给人们带来生活方便的同时,也给交通安全带来了严重的隐患。同时工业的进步,导致雾霾天气不断增加,雾霾天气下,能见度降低,驾驶员视野变得模糊,其容易造成交通事故。同时,雾霾天气车速普遍降低,会造成交通堵塞。因此,在雾霾天气下进行车辆将检测问题的研究,提供更好的车辆检测方法,对相关部门进行交通及时制定交通诱导政策,进行交通车流量控制以及救援计划有着重要的意义。传统的目标检测方法借助于机器学习理论,对图像进行特征提取目标特征,如梯度方向直方图(HistogramofOrientedGradients,HOG)、尺度不变特征转换(ScaleInvariantFeatureTransform,SIFT)特征等进行提取,并将提取到的特征输入到如支持向量机(SupportVectorMachine,SVM)、迭代器(AdaBoost)等分类器进行分类识别。这些提取的图像特征本质上是一种手工设计的特征,针对不同的图像检测问题,提取到的特征好坏对检测性能有着直接的影响,因此,需要研究人员针对某个特定的识别任务,泛化能力较差,难以在实际应用问题中设计出具有通用性和鲁棒性的特征。此外,传统机器学习方法从提取图像底层特征到提取表现特征流程相对复杂,并且严重依赖于人工的特征设计,因此,基于传统的机器学习方法的目标检测遇到瓶颈,期待更有效的方法提取图像特征 ...
【技术保护点】
1.一种基于深度学习的雾天下车辆检测方法,其特征在于,包括以下步骤:/n步骤1)、采集雾天交通车辆图片;/n步骤2)、对采集到的雾天交通车辆图片进行图像预处理;/n步骤3)、采用深度残差网络模型对预处理后的雾天交通车辆图片进行特征提取,获取多个不同大小的特征图;/n步骤4)、对多个不同大小的特征图进行多尺度检测,同时利用底层特征的高分辨率和高层特征的高语义信息,通过上采样融合不同层的特征,在三个不同尺度的特征层上实现特征图拼接,得到多尺度检测特征图;/n步骤5)、根据获取的多尺度检测特征图采用迁移学习方法对深度残差网络模型进行训练,直至深度残差网络模型最大迭代次数为50000次,采用经过迭代后的深度残差网络模型即可实现雾天下车辆检测。/n
【技术特征摘要】
1.一种基于深度学习的雾天下车辆检测方法,其特征在于,包括以下步骤:
步骤1)、采集雾天交通车辆图片;
步骤2)、对采集到的雾天交通车辆图片进行图像预处理;
步骤3)、采用深度残差网络模型对预处理后的雾天交通车辆图片进行特征提取,获取多个不同大小的特征图;
步骤4)、对多个不同大小的特征图进行多尺度检测,同时利用底层特征的高分辨率和高层特征的高语义信息,通过上采样融合不同层的特征,在三个不同尺度的特征层上实现特征图拼接,得到多尺度检测特征图;
步骤5)、根据获取的多尺度检测特征图采用迁移学习方法对深度残差网络模型进行训练,直至深度残差网络模型最大迭代次数为50000次,采用经过迭代后的深度残差网络模型即可实现雾天下车辆检测。
2.根据权利要求1所述的一种基于深度学习的雾天下车辆检测方法,其特征在于,采集的雾天交通车辆图片中,将车辆以外的信息设置为背景。
3.根据权利要求1所述的一种基于深度学习的雾天下车辆检测方法,其特征在于,步骤2)中对雾天交通车辆图片具体进行图像去雾、反转和对称处理。
4.根据权利要求3所述的一种基于深度学习的雾天下车辆检测方法,其特征在于,采用暗通道先验去雾方法对雾天交通车辆图片进行预处理,建立基于暗通道先验去雾方法的物理模型为:
I(x)=J(x)t(x)+A(1-t(x))(1)
其中x表示图像中像素点所处于的位置,I(x)表示所观察到的有雾图像,
J(x)表示清晰无雾的图像,A表示大气光值,t(x)表示透射率;
建立无雾图像的暗原色Jdark(x)求解公式:
Jdark(x)=miny∈Ω(x)(minc∈[R,G,B]Jc(y))(2)
式中,C表示R、G、B三个通道的集合;Jc表示图像的一个颜色通道,Ω(x)表示以x为中心的方形滤波模板;无雾图像的非天空区域,Jdark(x)的值很低;
选取暗通道中值最大的0.1%的像素点,找出这些点在原含雾图像中对应点的亮度最大值,将该值作为全球大气光的估计值A;
由以下公式获取透射率值:
式中,ω表示去雾的程度,ω取0.95;
Ac表达通道c对应的大气光值,Ic(y)表示大气光阈值范围;
将获取的透射率值t(x)与大气光值A代入式(1)中,可得基于暗通道先验去雾方法的物理模型为:
式中,为避免...
【专利技术属性】
技术研发人员:高涛,陈婷,张赛,刘占文,李永会,王松涛,张亚南,
申请(专利权)人:长安大学,
类型:发明
国别省市:陕西;61
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。