一种智能汽车行人检测算法制造技术

本发明专利技术公开了一种智能汽车行人检测算法，包括改进的k

【技术实现步骤摘要】
一种智能汽车行人检测算法


[0001]本专利技术涉及行人检测算法相关
，具体为一种智能汽车行人检测 算法。

技术介绍

[0002]原始的YOLOv3网络模型对行人目标的检测精度只有79.20％，检测性能也 较为低下，公交车的检测精度较低，摩托车的检测精度最低，不同种类物体 的检测精度都有不同程度地下降，原始的YOLOv3网络模型对所有目标对象的 平均检测精度为84.00％，并不能广泛应用于多种目标对象的准确检测中。

技术实现思路

[0003]本专利技术的目的在于提供一种智能汽车行人检测算法，以解决上述背景技 术中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种智能汽车行人检测算 法，包括改进的k
‑
means聚类算法，其特征在于，改进的k
‑
means聚类算法 包括以下步骤：
[0005]步骤一：对训练数据集中的无效标注数据进行清除；
[0006]步骤二：将坐标数据从训练数据集对应的数据文件写入到数组中；
[0007]步骤三：依次本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能汽车行人检测算法，包括改进的k
‑
means聚类算法，其特征在于，改进的k
‑
means聚类算法包括以下步骤：步骤一：对训练数据集中的无效标注数据进行清除；步骤二：将坐标数据从训练数据集对应的数据文件写入到数组中；步骤三：依次读取数组数据，定义标注框左下角顶点在x轴的投影坐标为x
min
，在y轴的投影坐标为y
min
，定义标注框右上角顶点在x轴的投影坐标为x
max
，在y轴的投影坐标为y
max
；步骤四：计算x
max
与x
min
的差值，计算y
max
与y
min
的差值；步骤五：计算x
d
和y
d
的商；步骤六：获得训练数据集中全部有效标注数据；步骤七：对有效标注数据进行聚类；步骤八：人为选择k个簇，并随机选取k个簇为初始聚类中心；步骤九：计算所有有效标注数据与聚类中心的IOU值；步骤十：将IOU值更大的数据点自动划分在聚类中心所在的簇；步骤十一：选择每个簇中所有数据点的中心作为新的聚类中心；步骤十二：重复执行步骤九至步骤十一，直至聚类中心不再移动为止；步骤十三：将最终的聚类结果作为YOLOv3网络模型无监督学习获得的先验框。2.根据权利要求1所述的智能汽车行人检测算法，其特征在于：所述步骤四中，x
max
与x
min
的差值记为x
d
，y
...

【专利技术属性】
技术研发人员：肖峰，宋传学，曹景伟，安靖宇，孙发荣，
申请(专利权)人：吉林大学，
类型：发明
国别省市：