【技术实现步骤摘要】
本公开涉及交通安全与管理，尤其涉及一种交通目标检测方法、装置、电子设备、存储介质及程序产品。
技术介绍
1、本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、交通目标检测是对复杂的交通场景中，如车辆、行人、交通标志等多种目标进行检测与识别，检测方法可以通过先构建面向三维场景的模型，然后将时间类、天气类这两个维度的场景作为先验知识，根据当前时间类、天气类选择相对应的面向三维场景的模型，最后根据该模型分辨出不同的时间、天气从而采取特定的措施。
3、然而，现有的相关技术无法根据现实世界中的天气变化快速识别不同的天气并且对其进行特定处理，不同天气对图像造成的影响不同，例如雨、雪等天气会造成视频图像更加难以识别，并且现实场景下往往视频图像分辨率较低，进而影响雨雪等恶劣天气场景下低分辨率道路视频的交通目标检测准确率。
技术实现思路
1、有鉴于此，本公开的目的在于提出一种交通目标检测方法、装置、电子设备、存储介质...
【技术保护点】
1.一种交通目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定交通视频信息，基于不同天气情况对所述视频信息进行场景分类，得到场景分类信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述卷积神经网络深度学习模型包括：卷积层、池化层和全连接层；
4.根据权利要求1所述的方法，其特征在于，所述场景分类信息包括以下至少一项：黑夜图像信息、雨天图像信息、雾天图像信息和雪天图像信息；
5.根据权利要求1所述的方法，其特征在于，将所述特征提取图像恢复信息输入预先训练的盲超分辨率退化模型，经过生...
【技术特征摘要】
1.一种交通目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定交通视频信息，基于不同天气情况对所述视频信息进行场景分类，得到场景分类信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述卷积神经网络深度学习模型包括：卷积层、池化层和全连接层；
4.根据权利要求1所述的方法，其特征在于，所述场景分类信息包括以下至少一项：黑夜图像信息、雨天图像信息、雾天图像信息和雪天图像信息；
5.根据权利要求1所述的方法，其特征在于，将所述特征提取图像恢复信息输入预先训练的盲超分辨率退化模型，经过生成器网络处理得到高分辨率图像信息，再对所述高分辨率图像信息进行优化处理，得到高分辨率图像信息结果，还包括：通过以下方法训练所述...
【专利技术属性】
技术研发人员：赵方，王娟，马雪鹏，罗海勇，邵文华，周天浩，
申请(专利权)人：北京邮电大学，
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。