一种基于改进YOLOv7的车辆与行人识别方法技术

本发明专利技术属于目标检测技术领域，尤其为一种基于改进YOLOv7的车辆与行人识别方法。具体步骤为：S1、选取不同地理、环境、天气条件下的车辆与行人图像，对车辆与行人图像进行数据增强和标注，形成车辆与行人数据集；S2、在YOLOv7算法网络模型的基础上进行改进；S3、将步骤S1中的车辆与行人输入步骤S2中进行目标检测模型训练，得到训练后的目标权重；S4、使用训练后的目标权重进行车辆与行人的目标识别，输出识别结果。本发明专利技术解决了目前的目标检测方法在自动驾驶领域，对车辆与行人检测精度不高、实时性差、适应性和鲁棒性不足等问题。

【技术实现步骤摘要】

本专利技术涉及目标检测领域，具体为一种基于改进yolov7的车辆与行人识别方法。

技术介绍

1、车辆与行人目标检测是自动驾驶技术中的关键任务之一，它旨在通过计算机视觉技术，准确地检测和识别道路上的车辆和行人，从而实现智能车辆的环境感知和行为决策。这项技术对于确保交通安全、提升驾驶效率以及推动自动驾驶技术的发展具有重要价值。然而，目标检测任务在现阶段仍然面临一些挑战，如复杂场景下的准确性、实时性要求、小目标检测、数据集偏差以及对不同天气和光照条件的鲁棒性等。为了克服这些问题，设计强实时性与鲁棒性的车辆与行人目标检测算法有着重要意义。

2、早期的目标检测是基于传统算法，检测流程主要分为三个阶段：候选框提取阶段、特征提取阶段和目标分类阶段。虽然传统算法实现相对简单且相对成熟，但在处理复杂场景、多类别目标等挑战时适应性较弱，在大规模数据集上精度也较低。此外，传统算法需要依赖手工设计特征，要求领域专家要具备相关知识和经验，这就导致所提取的特征可能缺乏鲁棒性。

3、近年来，随着机器视技术的快速发展，基于深度学习方法的目标检测技术被广大学术工作者本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv7的车辆与行人识别方法，其特征在于，具体步骤为：

2.根据权利要求1所述的一种基于改进YOLOv7的车辆与行人识别方法，其特征在于：所述S1中，采用自适应平均池化融合(MixUp)方法进行数据增强，通过在像素级别上混合两张图片及其对应的标签，生成了新的训练样本；然后，采用lableImg软件来对车辆与行人进行标签标注。

3.根据权利要求1所述的一种基于改进YOLOv7的车辆与行人识别方法，其特征在于：所述S2中在基础算法网络的颈部和检测头中添加坐标卷积，引入通道和空间注意力机制CBAM到神经网络中，将原损失函数CIou修改为EIoU损失函...

【技术特征摘要】

1.一种基于改进yolov7的车辆与行人识别方法，其特征在于，具体步骤为：

2.根据权利要求1所述的一种基于改进yolov7的车辆与行人识别方法，其特征在于：所述s1中，采用自适应平均池化融合(mixup)方法进行数据增强，通过在像素级别上混合两张图片及其对应的标签，生成了新的训练样本；然后，采用lableimg软件来对车辆与行人进行标签标注。

3.根据权利要求1所述的一种基于改进yolov7的车辆与行人识别方法，其特征在于：所述s2中在基础算法网络的颈部和检测头中添加坐标卷积，引入通道和空间注意力机制cbam到神经网络中，将原损失函数ciou修改为eiou损失函数。

4.根据权利要求3所述的一种基于改进yolov7的车辆与行人识别方法，其特征在于，所述坐标卷积(coordconv)是一种改进的卷积神经网络结构，它通过向传统卷积层的输入加入额外的坐标通道来提供空间位置信息；coordconv的简洁性在于其能够轻易插入现有架构中，提升空间任务的性能...

【专利技术属性】
技术研发人员：臧景峰，吕天宝，贾庆阳，刘双林，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：