用于交通环境检测的方法及设备技术

本发明专利技术提供了一种用于交通环境检测检测方法及设备，能够有效检测出图像中的小目标对象。该方法包括：根据第一卷积神经网络的卷积层中部分卷积层提取所述交通场景图像的多个尺度的特征图；将所述多个尺度的特征图进行融合，得到第一融合特征图；根据第一卷积神经网络的卷积层中剩余层中的一层进行空洞卷积池化得到第四融合特征图；对所述第一融合特征图中的不同特征图分别采用与其对应的卷积核进行卷积，得到所述图像的目标特征图，其中，所述第一融合特征图中的不同特征图对应的卷积核至少部分不相同；基于所述目标特征图，检测所述交通场景图像中至少一个目标对象的类别和/或所述至少一个目标对象在所述交通场景图像中的位置。中的位置。中的位置。

【技术实现步骤摘要】
用于交通环境检测的方法及设备


[0001]本专利技术涉及目标检测领域，具体涉及一种用于交通环境检测的方法及设备。

技术介绍

[0002]在我们日常生活中，汽车成了必不可少的交通工具。无人驾驶或辅助驾驶汽车随着科技成熟也开始应该实际生活中，它的实现减少了道路事故和交通拥堵，并改善了我们在拥挤城市中的流动性。其中，车辆检测、交通信号灯的检测是无人驾驶与辅助驾驶必不可少的一部分，如何在复杂交通道路上提高车辆和交通灯的检测效率，已经成为人们迫切所需。
[0003]但是，目前的一些检测方法对于外界环境遮挡车辆、小目标车辆和交通灯等小目标对象容易漏检，不能满足无人驾驶或辅助驾驶等领域中的高精度要求。

技术实现思路

[0004]有鉴于此，本申请实施例致力于提供一种交通场景的检测方法及设备，能够有效检测出交通场景图像中的小目标对象。
[0005]本申请第一方面提供了一种用于交通环境检测的方法，包括：获取交通场景图像；根据第一卷积神经网络的卷积层中部分卷积层提取所述交通场景图像的多个尺度的特征图；将所述多个尺度的特征图进行融合，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于交通环境检测检测方法，其特征在于，包括：获取交通场景图像；根据第一卷积神经网络的卷积层中部分卷积层提取所述交通场景图像的多个尺度的特征图；将所述多个尺度的特征图进行融合，得到第一融合特征图；根据第一卷积神经网络的卷积层中剩余层中的一层进行空洞卷积池化得到第四融合特征图；对所述第一融合特征图中的不同特征图分别采用与其对应的卷积核进行卷积，得到所述图像的目标特征图，其中，所述第一融合特征图中的不同特征图对应的卷积核至少部分不相同；基于所述目标特征图，检测所述交通场景图像中至少一个目标对象的类别和/或所述至少一个目标对象在所述交通场景图像中的位置。2.根据权利要求1所述的检测方法，其特征在于，所述基于所述目标特征图，检测所述交通场景图像中至少一个目标对象的类别和/或所述至少一个目标对象在所述交通场景图像中的位置，包括：将所述目标特征图与所述第一融合特征图和第四融合特征图进行融合，得到第二融合特征图；基于所述第二融合特征图，检测所述交通场景图像中至少一个目标对象的类别和/或所述至少一个目标对象在所述交通场景图像中的位置。3.根据权利要求2所述的检测方法，其特征在于，所述基于所述第二融合特征图，检测所述交通场景图像中至少一个目标对象的类别和/或所述至少一个目标对象在所述交通场景图像中的位置，包括：将所述第二融合特征图输入到分割模型中，以分割出所述交通场景图像中的所述至少一个目标对象；将所述至少一个目标对象输入到所述分类模型中，以检测所述至少一个目标对象的类别；基于所述至少一个目标对象，通过提取所述至少一个目标对象的边界框，确定所述至少一个目标对象在所述交通场景图像中的位置。4.根据权利要求1所述的检测方法，其特征在于，所述根据第一卷积神经网络的卷积层中的其中一层提取所述交通场景图像的多个尺度的特征图，包括：基于第一卷积神经网络...

【专利技术属性】
技术研发人员：程洁，陈成才，
申请(专利权)人：上海智臻智能网络科技股份有限公司，
类型：发明
国别省市：