一种基于SSD改进算法的路侧端车辆感知方法技术

本发明专利技术属于路协同路侧端的车辆检测，特别是涉及一种基于SSD改进算法的路侧端车辆感知方法，其通过基于caffe框架SSD的马赛克mosaic在线数据增强算法，以提高模型的准确率和鲁棒性。改进的基于跨阶段部分连接方式和resnet18的残差连接融合的特征提取模块，具有更强的特征表达能力，减少前向计算耗时。基于caffe框架的SSD检测算法，改进定位损失函数，融合Complete

【技术实现步骤摘要】
一种基于SSD改进算法的路侧端车辆感知方法


[0001]本专利技术属于路协同路侧端的车辆检测，特别是涉及一种基于SSD改进算法的路侧端车辆感知方法。

技术介绍

[0002]车路协同是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。目前亟待需要突破的技术要点是道路感知，对道路本身和道路环境进行识别，对道路参与主体的位置、速度一级运动方向进行识别，以及对道路发生的异常事件进行识别，进而为自动驾驶车辆提供数字化的道路基础。基于摄像头成像的视频感知技术最能真实反应道路的实景，采用计算机视觉算法，可以对道路本身(包含路面情况，标志标线，树木，建筑设施，抛洒物，路面塌方等)、道路参与主体(人车物、，道路环境和道路异常事件进行准确率识别。由此，本专利针对应用于车路协同中路侧端的视频感知技术，提出一种基于SSD改进算法的车辆检测方法。
>[0003]传统图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SSD改进算法的路侧端车辆感知方法，其特征在于，包括步骤：S1：数据预处理，通过基于caffe框架SSD的mosaic在线数据增强算法，进行车辆目标数据标注和预处理；S2：模型训练，采用改进的基于跨阶段部分连接方式和resnet18的残差连接融合的特征提取模块进行车辆图片特征提取；并基于caffe框架的SSD检测算法，改进定位损失函数，得到融合Complete
‑
IOU的目标定位损失函数；S3：模型推理，使用步骤S2输出的模型参数，进行算法模型前向计算，得到目标类别和预测框坐标。2.根据权利要求1所述的基于SSD改进算法的路侧端车辆感知方法，其特征在于，在步骤S1之前还包括步骤：S0：收集电警和卡口的车辆图片数据，对图片中的所有车辆进行标注。3.根据权利要求2所述的基于SSD改进算法的路侧端车辆感知方法，其特征在于，在所述步骤S1中，通过所述基于caffe框架SSD的mosaic在线数据增强算法，固定输出标注后的图片大小，在区域内随机选择一点，把图片分成四个区域，将四张训练图片缩放到固定大小安防到区域里面形成一张新的图片。4.根据权利要求1所述的基于SSD改进算法的路侧端车辆感知方法，其特征在于，在所述步骤S2中，将所述改进的基于跨阶段部分连接方式和resnet18的残差连接融合的特征提取模块应用到特征提取主干网络，输入的特征图分成按照比例50％分成part1和part2共两份，part1不做任何处理，part2部分进行残差操作，最后两部分使用concat的方式进行汇总。5.根据权利要求1所述的基于SSD改进算法的路侧端车辆感知方法，其特征在于，所述步骤S2中，所述目标定位损失函数Loss
IOU
的计算公式如下：的计算公式如下：的计算公式如下：的计算公式如下：其中，ρ()表示欧式距离，b
predict
表示预测的边界框，b
gt
表示实际的边界框，c表示预测框和实际框的最小外接矩阵的对角线距离，w
gt
表示实际边界框的宽度，h
gt
表示实际边界框的高度，w
predict
表示预测边界框的宽度，h
predict
表示预测边...

【专利技术属性】
技术研发人员：王祥雪，洪曙光，林焕凯，刘双广，
申请(专利权)人：高新兴科技集团股份有限公司，
类型：发明
国别省市：