一种基于YOLOv3-tiny-DB和迁移学习的夜间道路行人检测方法技术

本发明专利技术涉及一种基于YOLO v3

【技术实现步骤摘要】
一种基于YOLOv3
‑
tiny
‑
DB和迁移学习的夜间道路行人检测方法


[0001]本专利技术涉及一种基于YOLO v3
‑
tiny
‑
DB和迁移学习的夜间道路行人检测方法，属于计算机图像处理


技术介绍

[0002]受益于近年来深度学习方法的迅速发展，已开发出许多计算机视觉应用程序来设计高级驾驶员辅助系统(ADAS)和连接的自动驾驶汽车(CAV)。这些应用主要关注对象检测，对象分类，对象识别，语义分割，运动估计和监视系统。但是，大多数可用的计算机视觉应用程序都是基于可见光相机的，因此只能在正常光线和晴朗天气的情况下使用，这使得大多数最新模型都不适合用于夜间图像。交通安全统计数据显示，美国51.1％的致命撞车事故发生在夜间(从下午6点到凌晨6点)，特别是在照明度极低的农村地区。因此，在晴朗的交通环境中有效增强夜间图像对于交通安全至关重要，应将其整合到ADAS和CAV中以提供全天候协助。
[0003]自动驾驶技术一般分为环境感知、决策规划和车辆控制三大部分。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLO v3
‑
tiny
‑
DB和迁移学习的夜间道路行人检测方法，其特征在于：Step1：首先利用高清车载摄像头采集夜间道路行人图像，得到夜间图像；Step2：对夜间图像进行预处理，将夜间图像使用改进的限制对比度直方图均衡算法得到亮度图像，再将原夜间图像和处理后的亮度图像，经过高斯金字塔和拉普拉斯金字塔做融合得到最终图像，原夜间图像和最终图像交叉叠放建立夜间道路行人数据集；Step3：将夜间道路行人检测数据集导入YOLO v3
‑
tiny
‑
DB的目标检测网络，调整网络结构和夜间道路图像的输入大小，让网络适应夜间道路行人图像，得到训练权重；Step4：利用Step2中所述的图像处理方法对辅助驾驶平台车载相机所拍摄的夜间道路图像进行增强和重构，然后通过迁移学习将训练权重移植到辅助驾驶检测平台。2.根据权利要求1所述的基于YOLO v3
‑
tiny
‑
DB和迁移学习的夜间道路行人检测方法，其特征在于：...

【专利技术属性】
技术研发人员：曾凯，沙梦洲，沈韬，刘英莉，陈敏，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：