一种基于多尺度像素特征融合的实时交通标志检测方法技术

一种基于多尺度像素特征融合的实时交通标志检测方法属于深度学习和目标检测领域。首先获取含交通标志的图像并预处理；其次将预处理后的图像输入到MobileNetv2网络进行特征提取；接着将提取到的多尺度特征图输入到像素特征融合模块进行像素重排，拼接生成兼具语义信息与细节信息的融合特征图；然后对融合特征图进行下采样得到六个尺度特征图并输入到高效通道注意力模块，对特征通道按重要程度分配权重；之后将加权的六尺度特征图输入到SSD检测层来预测边界框的位置和对象的类别；最后进行非极大值抑制，得到最优的交通标志检测结果。本发明专利技术在检测交通标志图像时能够兼顾实时性与准确性，并具有很强的鲁棒性。

【技术实现步骤摘要】
一种基于多尺度像素特征融合的实时交通标志检测方法
本专利技术属于深度学习和目标检测领域，具体涉及一种基于多尺度像素特征融合的实时交通标志检测方法。
技术介绍
对于道路交通安全，交通标志至关重要。在真实的驾驶场景中，存在如日光和天气等自然环境引起的光照变化，也存在交通标志的褪色、变形、遮挡等特殊情况，人眼可能会遗漏或错误识别交通标志，导致对前方路况的错误判断，引发交通事故，造成人身财产和车辆损失，甚至威胁生命安全。实时准确的交通标志检测技术作为先进驾驶辅助系统的重要组成部分，能够协助驾驶者保障行车安全，避免危险的发生，在交通安全和自动驾驶等领域具有重要的应用。在实际应用中，要求驾驶辅助系统具有极高的灵敏度，即能够在车辆离交通标志足够远处便对其类别做出识别，为驾驶者或驾驶系统提供更好的预警。这需要检测算法满足高实时性与小目标检测性能。当前提升小目标检测性能的方法同时会带来额外的计算与参数，导致检测算法实时性的降低。因此，如何在不引入过多额外计算成本，保证实时性的同时提升算法的小目标检测性能以满足真实驾驶辅助系统的需要是亟待解决的问题。...

【技术保护点】
1.一种基于多尺度像素特征融合的实时交通标志检测方法，其特征在于，包括以下步骤：/n(1)获取含有交通标志的图像，对获取到的图像进行预处理；/n(2)将步骤(1)预处理后得到的图像输入MobileNetv2网络进行特征提取，得到三个尺度的深度特征图；/n(3)将步骤(2)得到的三个尺度的深度特征图输入到像素特征融合模块进行像素重排，拼接生成兼具语义信息与细节信息的融合特征图；/n(4)将步骤(3)得到的融合特征图进行下采样得到六个尺度特征图并输入到高效通道注意力模块，对特征通道按重要程度分配权重；/n(5)将步骤(4)生成的带有权重的六个尺度特征图输入到SSD检测层进行交通标志的分类与定位，最...

【技术特征摘要】
1.一种基于多尺度像素特征融合的实时交通标志检测方法，其特征在于，包括以下步骤：
(1)获取含有交通标志的图像，对获取到的图像进行预处理；
(2)将步骤(1)预处理后得到的图像输入MobileNetv2网络进行特征提取，得到三个尺度的深度特征图；
(3)将步骤(2)得到的三个尺度的深度特征图输入到像素特征融合模块进行像素重排，拼接生成兼具语义信息与细节信息的融合特征图；
(4)将步骤(3)得到的融合特征图进行下采样得到六个尺度特征图并输入到高效通道注意力模块，对特征通道按重要程度分配权重；
(5)将步骤(4)生成的带有权重的六个尺度特征图输入到SSD检测层进行交通标志的分类与定位，最后进行非极大值抑制，得到最优的交通标志检测结果。


2.如权利要求1所述的一种基于多尺度像素特征融合的实时交通标志检测方法，其特征在于，步骤(1)的具体过程如下：
(a)获取包含交通标志的图像，并进行数据增强操作；
(b)对每张图像中出现的每一个交通标志标注出其边界框和类别信息；
(c)将图像分辨率统一转化为300*300以适应输入尺寸；
(d)将图像进行基于正负样本数目的优化，划分得到训练图像集和测试图像集。


3.如权利要求1所述的一种基于多尺度像素特征融合的实时交通标志检测方法，其特征在于，步骤(2)的具体过程如下：
(A)300*300输入图像首先通过3*3的标准卷积块进行初步特征提取，得到150*150*32特征图，其中，32表示特征图的通道数；
(B)步骤(A)中得到的150*150*32特征图依次经过6个反向残差瓶颈块进行深度特征提取，分别得到38*38*32、19*19*96、10*10*320的深度特征图A、B、C。


4.如权利要求1所述的一种基于多尺度像素特征融合的实时交通标志检测方法，其特征在于，步骤(3)的具体过程如下：
(Ⅰ)对步骤(2)特征提取得到的10*10*320深度特征图进行上采样因子为4的像素重排，得到38*38*20上采样特征图D；
(Ⅱ)对步骤(2)特征提取得到的19*19*96深度特征图进行像上采样因子为2的像素重排，得到38*38*24上采样特征图E；
(Ⅲ)将步骤(Ⅰ)和步骤(Ⅱ)中像素重排得到的38*38*20上采样特征图D和38*38*24上采样特征图E与步骤(2)特征提取得到的38*38*32深度特征图A进行拼接处理，生成兼具语义信息与细节信息的38*38*76融合特征图F。


5.如权利要求4所述的一种基于多尺度像素特征融合的实时交通标志检测方法，其特征在于，步骤(3)中的像素特征融合模块采用像素重排方式合成融合特征图，相较于其他上采样方式像素重排能够在不增加任何额外参数和计算的情况下增强特征图携带的信息；像素重排通过压缩特征图中的通道数来扩展宽度和长度，其本质是将通道数为r2C，长宽为H*W的低分辨率特征图中处于相同像素位置的特征按特定顺序重新排列，得到通道数为C，长宽为rH*rW的高分辨率特征图，其中r表示上采样...

【专利技术属性】
技术研发人员：任坤，黄泷，范春奇，陶清扬，冯波，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11