一种雾霾场景驾驶视觉增强及目标检测方法技术

本发明专利技术公开了一种雾霾场景驾驶视觉增强及目标检测方法，包括构建可分离卷积去雾网络模型结构，并基于模糊数据集训练可分离卷积去雾网络模型；构建改进目标检测模型结构,并基于评测数据集训练改进目标检测模型；将目标检测模型的批量归一层与卷积层融合得到优化目标检测模型；将雾霾拍摄的有雾图像输入至训练好的可分离卷积去雾网络模型得到除雾图像；将除雾图像输入至优化目标检测模型从而检测得到准确目标。通过采用深度可分离卷积设计去雾网络模型，在保证去雾性能的条件下解决大存储量的问题，改进了YOLOv8的结构，实现了一个轻量化的目标检测网络，从而解决了目前基于深度学习的图像去雾与目标检测方法计算量和存储均较大的问题。

【技术实现步骤摘要】

本专利技术涉及图像增强与目标检测领域，尤其涉及一种雾霾场景驾驶视觉增强及目标检测方法，广泛应用于自动驾驶、辅助驾驶等场景。

技术介绍

1、视觉感知技术是智能驾驶的核心技术之一，使用计算机和成像设备模拟人眼视觉，处理图像或视频，使机器能理解复杂环境。从这些图像或视频中获得的目标信息为智能驾驶提供基础数据，帮助系统做出决策。它在智能驾驶中非常关键，需要在各种天气和道路条件，包括恶劣如雾和低光环境下保持稳定运行。

2、图像去雾和目标检测是视觉感知的核心部分，对智能驾驶系统至关重要。无论是辅助驾驶还是无人驾驶，这些系统都对图像清晰度和目标检测的准确性有严格要求。图像去雾技术旨在提高由于雾造成的图像质量问题，可以优化驾驶员的视线，并降低雾天交通事故的风险。目标检测的目的是在图像中确定并分类物体，这对智能驾驶等系统来说很关键，因为它可以识别车辆、行人和交通标志等对象，进而采取适当的驾驶策略。此外，图像去雾技术还能为目标检测等任务提供清晰的输入，减少恶劣天气对系统性能的不利影响。

3、图像去雾的方法主要分为两大类别：一类是基于先验的方法，这类方法本文档来自技高网...

【技术保护点】

1.一种雾霾场景驾驶视觉增强及目标检测方法，其特征在于，具体包括：

2.根据权利要求1所述的一种雾霾场景驾驶视觉增强及目标检测方法，其特征在于，所述可分离卷积去雾网络模型结构至少包括依次耦接的编码模块，特征提取模块，门控子网络，通道注意力模块和解码模块；

3.根据权利要求2所述的一种雾霾场景驾驶视觉增强及目标检测方法，其特征在于，所述特征提取模块包括两个深度可分离卷积单元和两个ReLU层,特征提取模块FEBi(x)为公式(1)所示，

4.据权利要求2所述的一种雾霾场景驾驶视觉增强及目标检测方法，其特征在于，输入特征图输入至通道注意力模块，包括经深度可分...

【技术特征摘要】

1.一种雾霾场景驾驶视觉增强及目标检测方法，其特征在于，具体包括：

2.根据权利要求1所述的一种雾霾场景驾驶视觉增强及目标检测方法，其特征在于，所述可分离卷积去雾网络模型结构至少包括依次耦接的编码模块，特征提取模块，门控子网络，通道注意力模块和解码模块；

3.根据权利要求2所述的一种雾霾场景驾驶视觉增强及目标检测方法，其特征在于，所述特征提取模块包括两个深度可分离卷积单元和两个relu层,特征提取模块febi(x)为公式(1)所示，

4.据权利要求2所述的一种雾霾场景驾驶视觉增强及目标检测方法，其特征在于，输入特征图输入至通道注意力模块，包括经深度可分离卷积单元后经过平均池化层进行平局池化，经平均池化后采用两个卷积层进行跨信道信息交互，从而通过sigmoid函数得到特征图对应的权重值，并基于权重值调整未经池化的输入特征图，用于输出具有通道注意力的特征图至解码模块，通道注意力模块为公式(2)所示，

5.根据权利要求2所述的一种雾霾场景驾驶视觉增强及目标检测方法，其...

【专利技术属性】
技术研发人员：王薇，鞠鑫锐，郑超兵，王晓，涂兴月，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：