【技术实现步骤摘要】
本专利技术涉及图像处理，特别是涉及一种基于深度学习的路侧行人车辆检测方法及装置。
技术介绍
1、随着汽车产业的蓬勃发展，机动车持有量逐渐增多，给交通造成巨大的压力。道路损耗、交通拥堵、车辆追尾等交通问题层出不穷，严重威胁人们的生命安全。传统的道路交通协同运行效率低，安全防控能力差，运行监管能力弱，集成服务漏洞多。
2、为了解决以上问题，智能化交通物流系统随之产生。通过使用通信技术、自动控制技术和智能计算等，加强车辆、道路以及驾驶员等所有交通参与者之间的联系，形成安全新高、实时性好的交通运输体系。
3、路侧感知是智能路侧系统的关键技术，通过使用高清路侧相机或者雷达传感器采集交通信息，使用边缘计算设备对采集的信息进行处理，使智能汽车瞬时感知路况，采取合理的驾驶策略。同时通过v2x(vehicle-to-everything)车路协同技术实现人-车-路-云的整体运行。
4、而现实交通中的车辆种类众多，车辆的大小和形状都差别较大，道路上的行人也是形态各异，具备极其丰富细节的特征。但路侧感知在视觉感知方面并不能...
【技术保护点】
1.一种基于深度学习的路侧行人车辆检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的路侧行人车辆检测方法，其特征在于，SPD和一个非跨步卷积构成对称正定矩阵卷积，通过所述对称正定矩阵卷积提取像素级别目标的特征；
3.根据权利要求1所述的基于深度学习的路侧行人车辆检测方法，其特征在于，利用所述路侧行人车辆数据集训练YOLOv7-SGSH网络，具体包括：
4.根据权利要求1所述的基于深度学习的路侧行人车辆检测方法，其特征在于，利用所述路侧行人车辆数据集训练YOLOv7-SGSH网络，之后还包括：
5.根据权...
【技术特征摘要】
1.一种基于深度学习的路侧行人车辆检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的路侧行人车辆检测方法，其特征在于，spd和一个非跨步卷积构成对称正定矩阵卷积，通过所述对称正定矩阵卷积提取像素级别目标的特征；
3.根据权利要求1所述的基于深度学习的路侧行人车辆检测方法，其特征在于，利用所述路侧行人车辆数据集训练yolov7-sgsh网络，具体包括：
4.根据权利要求1所述的基于深度学习的路侧行人车辆检测方法，其特征在于，利用所述路侧行人车辆数据集训练yolov7-sgsh网络，之后还包括：
5....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。