【技术实现步骤摘要】
一种基于改进YOLOv3的重卡盲区目标检测方法
本专利技术涉及一种目标检测方法，尤其是一种基于改进YOLOv3的重卡盲区目标检测方法。
技术介绍
重卡在物流行业的发展中扮演着重要的作用，但重卡由于其车身长、驾驶室高的特点，对驾驶员来说存在较大的视野盲区，从而使得驾驶员的视野受限无法及时做出准确的判断。目前对于解决重卡盲区的办法一种是装有摄像头，但是需要靠驾驶员人工地去识别和判断盲区目标；一种是摄像头结合传统算法进行单种类目标的自动识别，但是只适用于检测背景简单、检测目标数量少的情况；还有一种是360°全景结合雷达检测的，但依然需要人工去判断障碍物，甚至有时候还会出现错误的警报。近几年来，目标检测算法取得很大的突破。YOLOv3采用一个CNN网络来实现检测，不仅大大加快目标检测的速度，精确度也得到提升，现有的YOLOv3对于大、中、小尺寸的目标检测的性能比较均衡，但在中、小尺寸目标偏多的实际检测中对于中、小尺寸的图像依然存在一些漏检和误检，且在框出检测目标时有些检测框的定位不准确，不能完整地框出目标。专...
【技术保护点】
1.一种基于改进YOLO v3的重卡盲区目标检测方法，其特征在于包括以下步骤：/n
【技术特征摘要】
1.一种基于改进YOLOv3的重卡盲区目标检测方法，其特征在于包括以下步骤：
，采集以中、小尺寸为主的真实路况下的车、跌倒状态的人和正常状态的人混合图片，建立样本数据集，对所述的样本数据集进行预处理，对所述的样本数据集中的检测目标进行类别标定和位置信息提取，并将所述的样本数据集划分成训练集和测试集；
，对所述的训练集进行聚类分析，选择anchor值；
，改进原检测模型的网络结构得到优化后的YOLOv3网络；
，设置训练参数，利用所述的训练集对优化后的YOLOv3网络进行训练，得到目标检测模型；
，将重卡盲区范围内实时监测到的视频输入到所述的目标检测模型中进行检测；
，输出重卡盲区范围内车、跌倒状态的人和正常状态的人的检测结果。
2.根据权利要求1所述的一种基于改进YOLOv3的重卡盲区目标检测方法，其特征在于所述的步骤①中对所述的样本数据集中的检测目标进行类别标定和位置信息提取的具体方法为：
a，对所述的样本数据集进行不同光线因素、不同拍摄角度、不同道路环境和不同分辨率的选择；
b，调整所述的样本数据集中的所述的训练集的图像大小至统一像素；
c，对所述的样本数据集中所述的检测目标进行类别标定，分别用0,1,2表示车、跌倒状态的人和正常状态的人；
d，对所述的样本数据集进行位置信息提取，将所述的检测目标表示为一个四维向量{x，y，w，h}；其中：x表示所述的检测目标的x轴方向的坐标，y表示所述的检测目标的y轴方向的坐标，w表示所述的检测目标的宽度，h表示所述的检测目标的高度；
e，生成标注文件。
3.根据权利要求1所述的一种基于改进YOLOv3的重卡盲区目标检测方法，其特征在于所述的样本数据集的划分具体为80%的训练集和20%...
【专利技术属性】
技术研发人员：朱仲杰，屠仁伟，白永强，王玉儿，杨跃平，
申请(专利权)人：浙江万里学院，
类型：发明
国别省市：浙江;33
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。