一种融合灰狼策略和鲸鱼算法的目标检测方法及系统技术方案

本发明专利技术涉及图像处理技术领域，提供了一种融合灰狼策略和鲸鱼算法的目标检测方法及系统，包括：获取待检测图像；基于待检测图像，采用最优目标检测模型，得到待检测图像中的目标；其中，最优目标检测模型采用融合灰狼策略和鲸鱼捕食的算法，对目标检测模型的参数进行训练迭代得到；所述融合灰狼策略和鲸鱼捕食的算法，基于缩放因子和种群集中度，控制鲸鱼螺旋捕食策略、灰狼捕食策略和随机游走策略的执行概率，对每个个体的位置进行更新；所述缩放因子与两相邻周期最优适应度的比值相关；所述种群集中度与所有个体适应度之和相关。提高了目标检测模型的检测能力特别是小目标的检测能力。能力。能力。

【技术实现步骤摘要】
一种融合灰狼策略和鲸鱼算法的目标检测方法及系统


[0001]本专利技术属于图像处理
，尤其涉及一种融合灰狼策略和鲸鱼算法的目标检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]自动驾驶技术是近年来备受瞩目的领域之一，其中目标检测技术是实现自动驾驶的重要组成部分之一。目标检测技术旨在让计算机能够自动识别图像或视频中的物体，并将其分类为不同的类别(如行人、车辆、交通标志等)。目标检测技术的发展可以帮助自动驾驶汽车更好地感知周围环境，从而更准确地做出驾驶决策。检测小目标是一个普遍存在的问题，小目标的定义因应用场景而异，但通常指的是物体的尺寸比较小，占据图像中的比例很小，例如行人、自行车、交通标志等；检测小目标时遇到的问题主要包括以下几个方面：特征不明显、分辨率不足和遮挡问题。
[0004]现有很多研究人员使用默认参数或采用人工方式调整目标检测模型参数，使用默认参数或人工方式调整参数可能会导致目标检测模型在某些场景下准确率较低，从而误检或漏检目标物体，影响自动驾驶的安全性和可靠性。同时默认参数或人工调整可能无法满足特定的应用需求，例如需要检测特定类型的目标物体、需要达到特定的准确率等，从而导致模型无法满足实际应用需求。并且人工调整参数需要花费大量的时间和精力可能无法考虑到所有的参数组合和场景，从而导致目标检测模型的性能欠佳。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种融合灰狼策略和鲸鱼算法的目标检测方法及系统，通过融合灰狼策略和鲸鱼算法，对目标检测模型的参数进行训练迭代，提高了目标检测模型的检测能力特别是小目标的检测能力。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供一种融合灰狼策略和鲸鱼算法的目标检测方法，其包括：
[0008]获取待检测图像；
[0009]基于待检测图像，采用最优目标检测模型，得到待检测图像中的目标；
[0010]其中，最优目标检测模型采用融合灰狼策略和鲸鱼捕食的算法，对目标检测模型的参数进行训练迭代得到；所述融合灰狼策略和鲸鱼捕食的算法，基于缩放因子和种群集中度，控制鲸鱼螺旋捕食策略、灰狼捕食策略和随机游走策略的执行概率，对每个个体的位置进行更新；所述缩放因子与两相邻周期最优适应度的比值相关；所述种群集中度与所有个体适应度之和相关。
[0011]进一步地，所述融合灰狼策略和鲸鱼捕食的算法的适应度，采用综合性能评价函
数计算得到；
[0012]所述综合性能评价函数结合所有类别检测的平均正确率、精度和召回率。
[0013]进一步地，所述缩放因子在若干个周期后，采用下式计算：
[0014][0015]其中，t代表第t个周期，T代表总周期次数，代表第t个周期的最优适应度。
[0016]进一步地，所述缩放因子在若干个周期内，采用设置的定值。
[0017]进一步地，第t个周期的种群集中度为：种群中个体数量与第t
‑
1个周期的最优适应度的乘积，与第t
‑
1个周期的所有个体适应度之和的比值。
[0018]进一步地，所述灰狼捕食策略根据头狼和局部最小值的指导向量的适应度值，对头狼和局部最小值的指导向量进行加权处理，得到更新的个体的位置。
[0019]进一步地，所述目标检测模型的参数包含：初始学习率、最终学习率、动量、权重衰减、预热周期数、预热动量、预热初始偏移学习率、盒损失系数、分类损失系数、分类损失正向权重、目标损失系数和目标损失正向权重。
[0020]本专利技术的第二个方面提供一种融合灰狼策略和鲸鱼算法的目标检测系统，其包括：
[0021]图像获取模块，其被配置为：获取待检测图像；
[0022]目标检测模块，其被配置为：基于待检测图像，采用最优目标检测模型，得到待检测图像中的目标；
[0023]其中，最优目标检测模型采用融合灰狼策略和鲸鱼捕食的算法，对目标检测模型的参数进行训练迭代得到；所述融合灰狼策略和鲸鱼捕食的算法，基于缩放因子和种群集中度，控制鲸鱼螺旋捕食策略、灰狼捕食策略和随机游走策略的执行概率，对每个个体的位置进行更新；所述缩放因子与两相邻周期最优适应度的比值相关；所述种群集中度与所有个体适应度之和相关。
[0024]本专利技术的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种融合灰狼策略和鲸鱼算法的目标检测方法中的步骤。
[0025]本专利技术的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种融合灰狼策略和鲸鱼算法的目标检测方法中的步骤。
[0026]与现有技术相比，本专利技术的有益效果是：
[0027]本专利技术提供了一种融合灰狼策略和鲸鱼算法的目标检测方法，其结合灰狼算法的捕食分支和鲸鱼优化算法，基于缩放因子和种群集中度，控制鲸鱼螺旋捕食策略、灰狼捕食策略和随机游走策略的执行概率，具有更好的寻优能力和准确率。
[0028]本专利技术提供了一种融合灰狼策略和鲸鱼算法的目标检测方法，其采用融合灰狼策略和鲸鱼捕食的算法对目标检测模型的参数进行训练迭代，提高了目标检测模型的检测能力特别是小目标的检测能力，为自动驾驶目标检测的实际应用提供了依据，具有重要意义。
附图说明
[0029]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0030]图1是本专利技术实施例一的获取目标检测模型的流程图。
具体实施方式
[0031]下面结合附图与实施例对本专利技术作进一步说明。
[0032]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0033]实施例一
[0034]本实施例提供了一种融合灰狼策略和鲸鱼算法的目标检测方法。
[0035]本实施例提供的一种融合灰狼策略和鲸鱼算法的目标检测方法，适用于自动驾驶过程中行人和骑行者等小目标的检测。
[0036]本实施例提供的一种融合灰狼策略和鲸鱼算法的目标检测方法，包括以下步骤：
[0037]步骤1、获取待检测图像；
[0038]步骤2、基于待检测图像，采用最优目标检测模型，得到待检测图像中的目标，并对待检测图像中的目标标注分类以及其位置信息。
[0039]其中，待检测图像可以为采集的道路行驶的图像信息；待检测图像中的目标可以为交通参与者(人、车、骑行者等)。
[0040]其中，目标检测模型采用YOLOv5模型，并采用融合灰狼策略和鲸鱼捕食的算法对目标检测模型的参数进行训练迭代，得到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合灰狼策略和鲸鱼算法的目标检测方法，其特征在于，包括：获取待检测图像；基于待检测图像，采用最优目标检测模型，得到待检测图像中的目标；其中，最优目标检测模型采用融合灰狼策略和鲸鱼捕食的算法，对目标检测模型的参数进行训练迭代得到；所述融合灰狼策略和鲸鱼捕食的算法，基于缩放因子和种群集中度，控制鲸鱼螺旋捕食策略、灰狼捕食策略和随机游走策略的执行概率，对每个个体的位置进行更新；所述缩放因子与两相邻周期最优适应度的比值相关；所述种群集中度与所有个体适应度之和相关。2.如权利要求1所述的一种融合灰狼策略和鲸鱼算法的目标检测方法，其特征在于，所述融合灰狼策略和鲸鱼捕食的算法的适应度，采用综合性能评价函数计算得到；所述综合性能评价函数结合所有类别检测的平均正确率、精度和召回率。3.如权利要求1所述的一种融合灰狼策略和鲸鱼算法的目标检测方法，其特征在于，所述缩放因子在若干个周期后，采用下式计算：其中，t代表第t个周期，T代表总周期次数，代表第t个周期的最优适应度。4.如权利要求1所述的一种融合灰狼策略和鲸鱼算法的目标检测方法，其特征在于，所述缩放因子在若干个周期内，采用设置的定值。5.如权利要求1所述的一种融合灰狼策略和鲸鱼算法的目标检测方法，其特征在于，第t个周期的种群集中度为：种群中个体数量与第t
‑
1个周期的最优适应度的乘积，与第t
‑
1个周期的所有个体适应度之和的比值。6.如权利要求1所述的一种融合灰狼策略和鲸鱼算法的目标检测方法，其特征在于，所述灰狼捕食策略根据头...

【专利技术属性】
技术研发人员：闫伟，胥凌志，袁子洋，孙方哲，南勤文，王桂华，
申请(专利权)人：山东大学，
类型：发明
国别省市：