【技术实现步骤摘要】
本申请涉及车辆驾驶，尤其是涉及一种基于yolo模型的交通目标识别与测距方法及装置。
技术介绍
1、当前绝大多数的辅助驾驶系统中的识别算法与测距算法相互独立，识别种类仅限于车辆，只是将识别结果用于测距或将测距结果用于识别，中间过程中的特征不能相互融合，如，大多数的技术方案是根据视觉的目标识别解决方案，都是通过特征提取与分类器来实现的，大致步骤为在不同位置提取不同大小的部分图片，提取特征后输入分类器进行预测。所以，如何提高交通目标识别与测距的准确性成为了不容小觑的技术问题。
技术实现思路
1、有鉴于此，本申请的目的在于提供一种基于yolo模型的交通目标识别与测距方法及装置，将交通图像以及摄像装置的内外参数进行输入，使得目标yolo模型可以实时的预测目标的边缘矩形框中心位置、类别、置信度及距离，实现了对图片中的交通目标进行实时检测以及距离测量，提高了交通目标识别的准确率以及测距的准确率。
2、本申请实施例提供了一种基于yolo模型的交通目标识别与测距方法，所述交通目标识别与测距方法包括：
3、获取车辆附近的交通图像以及摄像装置的内外参数；其中，所述摄像装置设置在所述车辆位于的道路上；
4、将所述交通图像以及所述摄像装置的内外参数输入至预先训练好的目标yolo模型之中，对所述交通图像进行网格划分，并对每个网格进行目标识别，输出每个所述网格中的交通目标的边缘矩形框中心位置信息、宽高信息、置信度信息以及目标类别信息；其中，所述交通目标包括车辆以及行人中的任意
5、在所述目标yolo模型之中基于所述交通图像以及所述摄像装置的内外参数对所述网格中的交通目标进行距离预测，输出每个网格中的所述交通目标在所述交通图像中相对于所述摄像装置的距离信息。
6、在一种可能的实施方式之中，所述将所述交通图像以及所述摄像装置的内外参数输入至预先训练好的目标yolo模型之中，对所述交通图像进行网格划分，并对每个网格进行目标识别，输出每个所述网格中的交通目标的边缘矩形框中心位置信息、宽高信息、置信度信息以及目标类别信息，包括：
7、对所述交通图像进行网格划分，确定出所述交通图像之中的多个网格；
8、针对于每个所述网格，检测该网格中是否存在所述交通目标的边缘矩形框的中心点，若是，则预测出该网格中的交通目标的边缘矩形框中心位置信息、宽高信息、置信度信息以及目标类别信息。
9、在一种可能的实施方式之中，通过以下步骤确定出所述目标yolo模型：
10、获取多个样本交通图像以及每个样本交通图像之中的每个样本交通目标对应的标签信息；
11、将所述样本交通图像以及摄像装置的内外参数输入至yolo模型之中，对所述样本交通图像进行网格划分，并对每个样本网格进行目标识别，输出每个所述样本网格中的样本交通目标相对应的预测信息；
12、在所述yolo模型之中基于所述样本交通图像以及所述摄像装置的内外参数对所述样本网格中的样本交通目标进行距离预测，输出每个样本网格中的所述样本交通目标在所述样本交通图像中相对应所述摄像装置的预测距离信息；
13、基于每个所述样本网格中的样本交通目标相对应的预测信息、所述预测距离信息、所述标签信息以及损失函数对所述yolo模型进行迭代训练，确定出所述目标yolo模型。
14、在一种可能的实施方式之中，所述基于每个所述样本网格中的样本交通目标相对应的预测信息、所述预测距离信息、所述标签信息以及损失函数对所述yolo模型进行迭代训练，确定出所述目标yolo模型，包括：
15、基于损失函数公式对所述预测信息、所述预测距离信息以及所述标签信息进行计算，确定出所述yolo模型的总损失值；
16、继续对所述yolo模型进行迭代训练，直至所述yolo模型的总损失值处于稳定状态时，则停止对所述yolo模型进行网络参数更改，确定出所述目标yolo模型。
17、在一种可能的实施方式之中，所述基于损失函数公式对所述预测信息、所述预测距离信息以及所述标签信息进行计算，确定出所述yolo模型的总损失值，包括：
18、基于定位损失函数对所述预测信息之中的样本交通目标的边缘矩形框中心位置信息、样本交通目标的宽高信息、相对应的所述样本交通目标的标签信息中的实际边缘矩形框中心位置信息以及实际宽高信息进行计算，确定出所述yolo模型的定位损失值；
19、基于类别损失函数对所述预测信息之中的样本交通目标的目标类别信息、相对应的所述样本交通目标的标签信息中的实际目标类别信息进行计算，确定出所述yolo模型的类别损失值；
20、基于置信度损失函数对所述预测信息之中的样本交通目标的置信度信息、相对应的所述样本交通目标的标签信息中的实际置信度信息进行计算，确定出所述yolo模型的置信度损失值；
21、基于距离损失函数对所述预测信息之中的样本交通目标的距离信息、相对应的所述样本交通目标的标签信息中的实际距离信息进行计算，确定出所述yolo模型的距离损失值；
22、基于所述定位损失值、所述类别损失值、所述置信度损失值以及所述距离损失值，确定出所述总损失值。
23、在一种可能的实施方式之中，所述基于所述定位损失值、所述类别损失值、所述置信度损失值以及所述距离损失值，确定出所述总损失值，包括：
24、将所述定位损失值、所述类别损失值、所述置信度损失值以及所述距离损失值与相对应的权重值进行相乘，确定出多个结果值；
25、将多个所述结果值进行相加，确定出所述总损失值。
26、本申请实施例还提供了一种基于yolo模型的交通目标识别与测距装置，所述交通目标识别与测距装置包括：
27、获取模块，用于获取车辆附近的交通图像以及摄像装置的内外参数；其中，所述摄像装置设置在所述车辆位于的道路上；
28、目标识别模块，用于将所述交通图像以及所述摄像装置的内外参数输入至预先训练好的目标yolo模型之中，对所述交通图像进行网格划分，并对每个网格进行目标识别，输出每个所述网格中的交通目标的边缘矩形框中心位置信息、宽高信息、置信度信息以及目标类别信息；其中，所述交通目标包括车辆以及行人中的任意一种；
29、距离确定模块，用于在所述目标yolo模型之中基于所述交通图像以及所述摄像装置的内外参数对所述网格中的交通目标进行距离预测，输出每个网格中的所述交通目标在所述交通图像中相对于所述摄像装置的距离信息。
30、在一种可能的实施方式之中，所述目标识别模块在用于所述将所述交通图像以及所述摄像装置的内外参数输入至预先训练好的目标yolo模型之中，对所述交通图像进行网格划分，并对每个网格进行目标识别，输出每个所述网格中的交通目标的边缘矩形框中心位置信息、宽高信息、置信度信息以及目标类别信息时，所述目标识别模块具体用于：
31、对所述交通图像进行网格划分，确定出所述交通图像之本文档来自技高网...
【技术保护点】
1.一种基于YOLO模型的交通目标识别与测距方法，其特征在于，所述交通目标识别与测距方法包括：
2.根据权利要求1所述的交通目标识别与测距方法，其特征在于，所述将所述交通图像以及所述摄像装置的内外参数输入至预先训练好的目标YOLO模型之中，对所述交通图像进行网格划分，并对每个网格进行目标识别，输出每个所述网格中的交通目标的边缘矩形框中心位置信息、宽高信息、置信度信息以及目标类别信息，包括：
3.根据权利要求1所述的交通目标识别与测距方法，其特征在于，通过以下步骤确定出所述目标YOLO模型：
4.根据权利要求3所述的交通目标识别与测距方法，其特征在于，所述基于每个所述样本网格中的样本交通目标相对应的预测信息、所述预测距离信息、所述标签信息以及损失函数对所述YOLO模型进行迭代训练，确定出所述目标YOLO模型，包括：
5.根据权利要求4所述的交通目标识别与测距方法，其特征在于，所述基于损失函数公式对所述预测信息、所述预测距离信息以及所述标签信息进行计算，确定出所述YOLO模型的总损失值，包括：
6.根据权利要求5所述的交通目
7.一种基于YOLO模型的交通目标识别与测距装置，其特征在于，所述交通目标识别与测距装置包括：
8.根据权利要求7所述的交通目标识别与测距装置，其特征在于，所述目标识别模块在用于所述将所述交通图像以及所述摄像装置的内外参数输入至预先训练好的目标YOLO模型之中，对所述交通图像进行网格划分，并对每个网格进行目标识别，输出每个所述网格中的交通目标的边缘矩形框中心位置信息、宽高信息、置信度信息以及目标类别信息时，所述目标识别模块具体用于：
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至6任一所述的基于YOLO模型的交通目标识别与测距方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一所述的基于YOLO模型的交通目标识别与测距方法的步骤。
...【技术特征摘要】
1.一种基于yolo模型的交通目标识别与测距方法，其特征在于，所述交通目标识别与测距方法包括：
2.根据权利要求1所述的交通目标识别与测距方法，其特征在于，所述将所述交通图像以及所述摄像装置的内外参数输入至预先训练好的目标yolo模型之中，对所述交通图像进行网格划分，并对每个网格进行目标识别，输出每个所述网格中的交通目标的边缘矩形框中心位置信息、宽高信息、置信度信息以及目标类别信息，包括：
3.根据权利要求1所述的交通目标识别与测距方法，其特征在于，通过以下步骤确定出所述目标yolo模型：
4.根据权利要求3所述的交通目标识别与测距方法，其特征在于，所述基于每个所述样本网格中的样本交通目标相对应的预测信息、所述预测距离信息、所述标签信息以及损失函数对所述yolo模型进行迭代训练，确定出所述目标yolo模型，包括：
5.根据权利要求4所述的交通目标识别与测距方法，其特征在于，所述基于损失函数公式对所述预测信息、所述预测距离信息以及所述标签信息进行计算，确定出所述yolo模型的总损失值，包括：
6.根据权利要求5所述的交通目标识别与测距方法，其特征在于，所述基于所述定位损失值...
【专利技术属性】
技术研发人员：徐博勋，李志刚，
申请(专利权)人：无锡车联天下信息技术有限公司，
类型：发明
国别省市：
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。