多目标车辆检测方法、装置及存储介质制造方法及图纸

本发明专利技术公开了多目标车辆检测方法、装置及存储介质；其中方法包括获取车辆图像；调整车辆图像的分辨率；将车辆图像输入至车辆检测模型中进行车辆检测得到多个车辆的外观特征；车辆检测模型基于U－net网络结构，车辆检测模型设有多个依次连接的下采样模块，下采样模块设有包括通道注意力结构和空间注意力结构的注意力模块；将注意力机制引入到下采样模块，在下采样过程对有用信息进行增强，能够获取更丰富的语义信息，提升检测和追踪的性能；利用通道注意力和空间注意力两方面，有利于提高检测精度。精度。精度。

【技术实现步骤摘要】
多目标车辆检测方法、装置及存储介质


[0001]本专利技术涉及图像识别领域，特别是多目标车辆检测方法、装置及存储介质。

技术介绍

[0002]车辆检测及追踪技术在智能交通系统和无人驾驶领域里发挥着重要的作用，也一直是此领域的研究重点。在计算机视觉中，网络能够提取丰富的语义特征信息是视觉任务最需要的，这能大大提高车辆检测精度。

技术实现思路

[0003]本专利技术的目的在于至少解决现有技术中存在的技术问题之一，提供多目标车辆检测方法、装置及存储介质。
[0004]本专利技术解决其问题所采用的技术方案是：
[0005]本专利技术的第一方面，多目标车辆检测方法，包括：
[0006]获取车辆图像；
[0007]调整所述车辆图像的分辨率；
[0008]将经调整分辨率后的所述车辆图像输入至车辆检测模型中进行车辆检测，得到多个车辆的外观特征；
[0009]其中，所述车辆检测模型基于U
‑
net网络结构，所述车辆检测模型设有多个依次连接的下采样模块，所述下采样模块设有包括通道注意力结构和空间注意力结构的注意力模块。
[0010]根据本专利技术的第一方面，多目标车辆检测方法还包括：将第一特征图输入至所述通道注意力结构，所述第一特征图是根据所述车辆图像得到的；
[0011]通过所述通道注意力结构，对所述第一特征图进行最大池化和平均池化操作，得到多个第一特征向量，所述第一特征向量的宽和高均被压缩为1；
[0012]通过所述通道注意力结构，对所述第一特征向量在通道层面进行压缩，然后对所述第一特征向量在通道层面进行恢复，得到第二特征向量；
[0013]通过所述通道注意力结构，对多个所述第二特征向量进行相加，并由激活函数处理得到通道特征；
[0014]将第二特征图输入至所述空间注意力结构，所述第二特征图是根据所述车辆图像得到的；
[0015]通过所述空间注意力结构，对所述第二特征图进行最大池化和平均池化操作，得到多个第三特征向量，所述第三特征向量的通道数被压缩为1；
[0016]通过所述空间注意力结构，将多个所述第三特征向量按通道连接，得到多个第四特征向量；
[0017]通过所述空间注意力结构，将多个所述第四特征向量通过卷积进行压缩，并由激活函数处理得到空间特征。
[0018]根据本专利技术的第一方面，所述车辆检测模型对U
‑
net网络结构的每层输出进行跨尺度的特征融合；
[0019]所述特征融合，包括：
[0020]将U
‑
net网络结构的下层输出的特征图通过第一可变形卷积模块进行上采样操作，得到上采样特征图；
[0021]将U
‑
net网络结构的上层输出的特征图和所述上采样特征图按通道进行连接，得到融合特征图；
[0022]将所述融合特征图输入至第二可变形卷积模块进行压缩，得到目标融合特征。
[0023]根据本专利技术的第一方面，所述将经调整分辨率后的所述车辆图像输入至车辆检测模型中进行车辆检测，得到多个车辆的外观特征，包括：
[0024]在所述车辆检测模型的轨迹关联过程中，以离散二维高斯函数作为权重衰减系数，改变特征图的特征提取区域，在改变后的所述特征提取区域内进行特征提取得到提取特征，将所述提取特征加权求和，得到所述外观特征。
[0025]本专利技术的第二方面，多目标车辆检测装置，包括：
[0026]图像获取单元，用于获取车辆图像；
[0027]分辨率调整单元，用于调整所述车辆图像的分辨率；
[0028]检测处理单元，用于将经调整分辨率后的所述车辆图像输入至车辆检测模型中进行车辆检测，得到多个车辆的外观特征；
[0029]其中，所述车辆检测模型基于U
‑
net网络结构，所述车辆检测模型设有多个依次连接的下采样模块，所述下采样模块设有包括通道注意力结构和空间注意力结构的注意力模块。
[0030]根据本专利技术的第二方面，所述通道注意力结构包括：
[0031]第一通道注意力子结构，用于对第一特征图进行最大池化和平均池化操作，得到多个第一特征向量，所述第一特征向量的宽和高均被压缩为1，所述第一特征图是根据所述车辆图像得到的；
[0032]第二通道注意力子结构，用于对所述第一特征向量在通道层面进行压缩，然后对所述第一特征向量在通道层面进行恢复，得到第二特征向量；
[0033]第三通道注意力子结构，用于对多个所述第二特征向量进行相加，并由激活函数处理得到通道特征；
[0034]所述空间注意力结构包括：
[0035]第一空间注意力子结构，用于对所述第二特征图进行最大池化和平均池化操作，得到多个第三特征向量，所述第三特征向量的通道数被压缩为1，所述第二特征图是根据所述车辆图像得到的；
[0036]第二空间注意力子结构，用于将多个所述第三特征向量按通道连接，得到多个第四特征向量；
[0037]第三空间注意力子结构，用于将多个所述第四特征向量通过卷积进行压缩，并由激活函数处理得到空间特征。
[0038]根据本专利技术的第二方面，所述车辆检测模型包括特征融合模块，用于对U
‑
net网络结构的每层输出进行跨尺度的特征融合；
[0039]所述特征融合模块，包括：
[0040]上采样单元，用于将U
‑
net网络结构的下层输出的特征图通过第一可变形卷积模块进行上采样操作，得到上采样特征图；
[0041]连接单元，用于将U
‑
net网络结构的上层输出的特征图和所述上采样特征图按通道进行连接，得到融合特征图；
[0042]压缩单元，用于将所述融合特征图输入至第二可变形卷积模块进行压缩，得到目标融合特征。
[0043]根据本专利技术的第二方面，所述检测处理单元包括目标特征提取单元，用于在轨迹关联过程中，以离散二维高斯函数作为权重衰减系数，改变特征图的特征提取区域，在改变后的所述特征提取区域内进行特征提取得到提取特征，将所述提取特征加权求和，得到所述外观特征。
[0044]本专利技术的第三方面，多目标车辆检测装置，包括：存储器、处理器及存储在存储器上并能在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术的第一方面所述的多目标车辆检测方法。
[0045]本专利技术的第四方面，存储介质，存储有计算机程序，所述计算机程序用于执行如本专利技术的第一方面所述的多目标车辆检测方法。
[0046]上述方案至少具有以下的有益效果：将注意力机制引入到下采样模块中，能够很好地在下采样过程中对有用信息进行增强，使网络具有更丰富的语义信息，提升检测和追踪的性能；利用通道注意力和空间注意力两方面，能够获取更丰富的语义信息，有利于提高检测精度。
[0047]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。...

【技术保护点】

【技术特征摘要】
1.多目标车辆检测方法，其特征在于，包括：获取车辆图像；调整所述车辆图像的分辨率；将经调整分辨率后的所述车辆图像输入至车辆检测模型中进行车辆检测，得到多个车辆的外观特征；其中，所述车辆检测模型基于U－net网络结构，所述车辆检测模型设有多个依次连接的下采样模块，所述下采样模块设有包括通道注意力结构和空间注意力结构的注意力模块。2.根据权利要求1所述的多目标车辆检测方法，其特征在于，所述多目标车辆检测方法还包括：将第一特征图输入至所述通道注意力结构，所述第一特征图是根据所述车辆图像得到的；通过所述通道注意力结构，对所述第一特征图进行最大池化和平均池化操作，得到多个第一特征向量，所述第一特征向量的宽和高均被压缩为1；通过所述通道注意力结构，对所述第一特征向量在通道层面进行压缩，然后对所述第一特征向量在通道层面进行恢复，得到第二特征向量；通过所述通道注意力结构，对多个所述第二特征向量进行相加，并由激活函数处理得到通道特征；将第二特征图输入至所述空间注意力结构，所述第二特征图是根据所述车辆图像得到的；通过所述空间注意力结构，对所述第二特征图进行最大池化和平均池化操作，得到多个第三特征向量，所述第三特征向量的通道数被压缩为1；通过所述空间注意力结构，将多个所述第三特征向量按通道连接，得到多个第四特征向量；通过所述空间注意力结构，将多个所述第四特征向量通过卷积进行压缩，并由激活函数处理得到空间特征。3.根据权利要求1所述的多目标车辆检测方法，其特征在于，所述车辆检测模型对U－net网络结构的每层输出进行跨尺度的特征融合；所述特征融合，包括：将U－net网络结构的下层输出的特征图通过第一可变形卷积模块进行上采样操作，得到上采样特征图；将U－net网络结构的上层输出的特征图和所述上采样特征图按通道进行连接，得到融合特征图；将所述融合特征图输入至第二可变形卷积模块进行压缩，得到目标融合特征。4.根据权利要求1所述的多目标车辆检测方法，其特征在于，所述将经调整分辨率后的所述车辆图像输入至车辆检测模型中进行车辆检测，得到多个车辆的外观特征，包括：在所述车辆检测模型的轨迹关联过程中，以离散二维高斯函数作为权重衰减系数，改变特征图的特征提取区域，在改变后的所述特征提取区域内进行特征提取得到提取特征，将所述提取特征加权求和，得到所述外观特征。
5.多目标车辆检测装置，其特征在于，包括：图像获取单元，用于获取车辆图像；分辨率调整单元，用于调整所述车辆图像的分辨率；检测处理单元，用于将经调整分辨率后的所述车...

【专利技术属性】
技术研发人员：郭俊麟，董超俊，欧凯瞳，黄婉霞，
申请(专利权)人：五邑大学，
类型：发明
国别省市：