一种高速公路摩托车检测方法技术

本发明专利技术涉及一种高速公路摩托车检测方法，包括：在高速公路采集摩托车图像数据，制作数据集；然后构建改进M2Det算法模型，在ImageNet 2012数据集上进行迁移学习，得到改进M2Det模型的初始权重；将预处理后的数据集输入到改进模型中训练提取特征，保存模型；将待检测图片输入到训练好的改进M2Det中进行预测，得到摩托车检测结果，发出预警信息。本发明专利技术引入多实例预测方法来提高M2Det模型在拥挤场景下的目标识别率，并在预测层部分分别使用一个全连接头进行分类任务，一个卷积头进行回归任务，代替原来的只使用单个卷积头进行分类和回归任务，这既保留了M2Det算法多层次特征金字塔网络的特点，又在此基础上提高M2Det模型在分类和回归任务上的准确性，以及在不同场景的检测精度。

【技术实现步骤摘要】
一种高速公路摩托车检测方法
本专利技术涉及计算机视觉目标识别
，具体是一种高速公路摩托车检测方法。
技术介绍
高速公路作为国家交通出行的一种主要承担载体，长期以来一直发挥着重要作用。目前，中国高速公路行业仍处在产业扩张期，而随着社会经济快速发展，摩托车虽已逐渐退出交通舞台，但在一些经济不发达地区，不可否认它仍是一种重要的交通工具。摩托车属于机动车，《中华人民共和国道路交通安全法》规定摩托车可以在高速公路上行驶，但各地方性政策存在偏差，部分省份是有地方法规禁止摩托车上高速的。因此，在这些路段就需要对摩托车进行检测，向交通中心及时发出报警信息。而当前还没有专门的摩托车检测模型，检测方法主要还是依靠传统的人工检测，效率极低且浪费人力成本。目标检测是计算机视觉和数字图像处理的一个热门方向。近些年来，由于深度学习的广泛应用，基于神经网络的目标检测算法得到了快速发展。但目前先进的具有特征金字塔结构的目标检测算法，因为只是根据主干网络中用于目标分类任务的多尺度金字塔来简单构造特征金字塔，对特征信息的提取具有一定局限性。而由于在高速公路上，不同时本文档来自技高网...

【技术保护点】
1.一种高速公路摩托车检测方法，其特征在于，包括数据采集、搭建改进M2Det算法模型、得到主干网络的权重、训练模型参数和加载改进后的M2Det模型这五个步骤，其中详细步骤如下：/n步骤一：数据采集/na.依靠高速公路各路口设置的摄像头所记录的监控画面，人工截取出现摩托车的图片；/nb.对这些图片进行标注，制成VOC格式的数据集；/n步骤二：搭建改进M2Det算法模型/na.保留M2Det算法的MLFPN模块，对M2Det的候选框预测部分作改进，对每一个候选框，预测一组可能高度重叠的实例G(b

【技术特征摘要】
1.一种高速公路摩托车检测方法，其特征在于，包括数据采集、搭建改进M2Det算法模型、得到主干网络的权重、训练模型参数和加载改进后的M2Det模型这五个步骤，其中详细步骤如下：
步骤一：数据采集
a.依靠高速公路各路口设置的摄像头所记录的监控画面，人工截取出现摩托车的图片；
b.对这些图片进行标注，制成VOC格式的数据集；
步骤二：搭建改进M2Det算法模型
a.保留M2Det算法的MLFPN模块，对M2Det的候选框预测部分作改进，对每一个候选框，预测一组可能高度重叠的实例G(bi)，进行多个实例的预测，同时引入K个检测函数生成一组预测P(bi)；
b.使用新的损失函数EMDLoss；
c.使用改进的NMS后处理代替原来的带有线性内核的Soft-NMS进行后处理；
d.在预测层部分，使用双头结构进行分类和回归任务；
步骤二所述的G(bi)、P(bi)、EMDLoss计算公式如下：
(1)G(bi)＝{gj∈M∣IOU(bi,gj)≥θ}，
式中，i、j代表下标，bi表示第i个候选框，M是所有真实标记信息的集合，θ是给定的IOU阈值；
(2)
式中，i表示下标，ci是有置信度的类标签，li是相对坐标，K是常数，代表数据集G(bi)的最大数；
(3)用L(bi)表示损失函数EMDLoss：



式中，π表示一组排列(1，2，3，…，K)，第k项为πk，gπk∈G(bi)，Lcls和Lreg分别是分类损失和回归损失；
步骤三：在训练整个网络之前，主干网络ResNet-101需要在ImageNet2012数据集上进行迁移学习，获得主干网络权重；
步骤四：将步骤一得到的数据集分为两部分：第一部分作为训练集、验证集；第二部分作为测试集；用第一部分数据集训练改进后的M2Det模型参数，第二部分数据集检验该模型效果；在对目标图片进行预处理后，载入主干网络训练模型；
训练过程分为两个阶段：第一阶段冻结改进后的M2Det模型前十二层，只对后面参数进行更新，第二阶段对整个网络参数进行更新；训练时利用学习率衰减对训练过程进行监控，学习率随训练轮数持续降低；
步骤五：加载改进后的M2Det模型，为该改进后的M2Det模型选择训练得...

【专利技术属性】
技术研发人员：梁兴柱，汪立鑫，程威，方贤进，林玉娥，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：安徽;34