一种融合多尺度特征的交通目标检测方法和系统技术方案

本发明专利技术公开了一种融合多尺度特征的交通目标检测方法，其通过获取待检测交通图像并进行预处理，将图像输入融合多尺度特征的检测模型，实现高效精准的检测结果输出；并结合多尺度特征提取器、三路语义融合模块、三路空洞卷积、空间增强感知机制及跨通道池化操作，实现了高效特征提取与多尺度语义融合。本发明专利技术能够解决复杂交通场景中因目标形状和尺寸多样性、光线变化、遮挡等导致的检测精度下降、误检和漏检问题，以及小目标因占比小、分辨率低而易被忽略或误判的问题；同时，满足了交通场景对高实时性和高精度的双重要求，提升了模型在不同光照、天气及跨区域交通标志设计差异下的适应性和通用性，为自动驾驶和交通监控提供了可靠的即时决策支持。

【技术实现步骤摘要】

本专利技术属于人工智能中的深度学习和图像处理，更具体地，涉及一种融合多尺度特征的交通目标检测方法和系统。

技术介绍

1、随着汽车保有量持续增长，道路环境日趋复杂，交通目标检测面临目标形状和尺寸多样性、光线变化及遮挡等外部干扰因素的挑战，显著增加了车辆、路标、行人等目标的检测难度。然而，快速准确地识别交通目标对提升驾驶安全性、辅助路径规划与决策、实现车辆跟车及增强汽车自主性至关重要。交通目标检测不仅为自动驾驶提供关键信息，还能协助驾驶员安全驾驶，在自动驾驶、交通监控、智能交通系统及城市规划等领域具有广泛应用前景。

2、目前，交通目标检测主要分为传统特征提取方法和基于深度学习的方法：传统特征提取方法依赖人工设计特征(如尺度不变特征转换(scale-invariant featuretransform，简称sift)、方向梯度直方图(histogram of oriented gradient，简称hog)等)，通过角度、边缘、纹理等信息提取特征；深度学习方法分为一阶段检测方法(如yolo系列、单杆检测器(single-shot detector，简本文档来自技高网...

【技术保护点】

1.一种融合多尺度特征的交通目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合多尺度特征的交通目标检测方法，其特征在于，

3.根据权利要求1或2所述的融合多尺度特征的交通目标检测方法，其特征在于，融合多尺度特征的交通目标检测模型包含27层，其模型结构如下：

4.根据权利要求1至3中任意一项所述的融合多尺度特征的交通目标检测方法，其特征在于，

5.根据权利要求4所述的融合多尺度特征的交通目标检测方法，其特征在于，TSF模块对第3、5、7层输出的特征图进行特征融合这一过程具体包括以下步骤：

6.根据权利要求5所述...

【技术特征摘要】

1.一种融合多尺度特征的交通目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合多尺度特征的交通目标检测方法，其特征在于，

3.根据权利要求1或2所述的融合多尺度特征的交通目标检测方法，其特征在于，融合多尺度特征的交通目标检测模型包含27层，其模型结构如下：

4.根据权利要求1至3中任意一项所述的融合多尺度特征的交通目标检测方法，其特征在于，

5.根据权利要求4所述的融合多尺度特征的交通目标检测方法，其特征在于，tsf模块对第3、5、7层输出的特征图进行特征融合这一过程具体包括以下步骤：

6.根据权利要求5所述的融合多尺度特征的交通目标检测方法，其特征在于，detect操作是将输入特征图分为两条分支进行前向传播：

7.根据权利要求6所述的融合多尺度特征的交通目标检测方法...

【专利技术属性】
技术研发人员：朱香元，彭非凡，莫银涛，王俊波，聂轰，
申请(专利权)人：肇庆学院，
类型：发明
国别省市：