一种交通场景多目标检测方法及装置制造方法及图纸

本发明专利技术涉及目标检测技术领域，具体提供了一种交通场景多目标检测方法，具有如下步骤：S1、构建交通场景检测目标数据集；S2、搭建Mobile

【技术实现步骤摘要】
一种交通场景多目标检测方法及装置


[0001]本专利技术涉及目标检测
，具体提供一种交通场景多目标检测方法及装置。

技术介绍

[0002]随着经济与科技的快速发展,汽车逐渐走入家家户户,给人们生活带来了极大便利,但一系列道路交通拥堵、交通事故等问题也接踵而至。近年来，为了保证驾驶安全，自动驾驶成为了各大汽车公司的研究热点，如何针对城市道路等复杂场景设计高实时性的目标检测系统成为了重点突破方向。研究适用于交通场景的目标检测系统对于辅助驾驶系统具有重大意义，可以有效缓解交通事故，降低驾驶员因车速过快、疲劳驾驶等引发的安全隐患，保证人们的生命财产安全。
[0003]深度学习的发展为自动驾驶技术中的目标检测系统带来了相当便利，但依然还存在许多挑战与难点，交通场景复杂多变，受角度、光照，目标姿态、尺度、遮挡等不利因素影响，当前大部分算法的鲁棒性不强，难以兼顾检测的实时性与准确率。车载系统往往只有有限的存储和处理空间，对于深度神经网络模型的参数量和计算量有一定的限制，针对移动和嵌入式设备的轻量级网络，虽然进一步减少了网络的参数量，加快网络速度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通场景多目标检测方法，其特征在于，具有如下步骤：S1、构建交通场景检测目标数据集；S2、搭建Mobile
‑
YOLO交通目标检测网络，深层网络层标准卷积更改为深度可分离卷积，对模型进行剪枝操作，除去权重低的通道；S3、配置训练参数，训练检测模型，得到轻量级模型；S4、轻量级模型转化为为ONNX格式，输入TensorRT框架进行网络层和张量融合，半精度或整型推理加速；S5、将加速模型部署到NVIDIA嵌入式平台；S6、获取交通场景中的待检测图像，输入步骤S5嵌入式平台中的加速模型进行交通目标识别检测，输出检测结果信息。2.根据权利要求1所述的一种交通场景多目标检测方法，其特征在于，在步骤S1中，所述数据集基于BDD100K数据库，筛选归并待检测目标类别，并使用数据增强技术对原始图像进行平移、旋转和翻转处理来扩充数据集。3.根据权利要求1或2所述的一种交通场景多目标检测方法，其特征在于，在步骤S2中，Mobile
‑
YOLO交通场景目标检测网络基于YOLOv5框架进行构建，包括Backbone，Neck，Head三部分；主干网络Backbone选用轻量化MobileNetV3网络进行特征提取；Nect部分将网络中普通卷积替换成深度可分离卷积以进一步减少网络参数量，利用SPP模块以最大池化来融合不同尺度大小的特征图，利用自顶向下的FPN特征金字塔及自底向上的PAN特征金字塔来提升网络的特征提取能力；Head输出端采用EIOU_Loss做Bounding box的损失函数。4.根据权利要求3所述的一种交通场景多目标检测方法，其特征在于，在步骤S2中，Mobile
‑
YOLO的网络骨干MobileNetV3在V2版本Block的基础上引入通道注意力机制SE模块，使用新的H
‑
swish激活函数；利用全局平均池化将网络末端的卷积改为1
×
1的卷积。5.根据权利要求4所述的一种交通场景多目标检测方法，其特征在于，在步骤S2中，EIOU_Loss是在CIOU_Loss的基础上分别计算宽高的差异值取代了纵横比，同时引入了Focal Loss优化了边界框，公式为：L
Focal_EIOU
＝IOU
γ
L
EIOU
其中γ为控制异常值抑制程度的参数,IOU越高的损失越大；EIOU_Loss损失函数包含三个部分重叠损失、中心距离损失和宽高损失，重叠损失和中心距离损失延续CIOU_Loss，新增宽高损失使目标框与锚框的宽度和高度之差最小，加快收敛速度：
其中，b和b
gt

【专利技术属性】
技术研发人员：杨彤，李雪，李锐，
申请(专利权)人：山东浪潮科学研究院有限公司，
类型：发明
国别省市：