[发明专利]度量视频连续帧与其卷积特征图间差异在自主汽车视觉感应部分的障碍物检测中的应用

权利要求书

1.一种度量视频连续帧与其卷积特征图间差异在自主汽车视觉感应部分的障碍物检测中的应用，其特征在于，度量视频连续帧与其卷积特征图间差异取得最大时间信息的差异，将最大时间信息的差异均值的数值作为自主汽车视觉感应部分的障碍物检测的神经网络模型损失函数的一部分，参与网络反向传播中的梯度下降过程，使视频行为识别的神经网络的权重梯度不仅只根据输出值与真实值的差异大小来决定梯度的下降方向，同时也朝着减小最大均值差异数值的方向进行更新，使视频行为识别的神经网络模型卷积核的权重参数朝着减小最大均值差异数值的方向更新，最大时间信息的差异计算方法如下：

第一步：将视频转换为图像，得到总数为n的视频帧图像，取出所有原始视频图像帧x_i，以及该图像帧对应的卷积特征图其中i代表帧数，将原始视频图像与卷积特征图分为两个集合，各集合内，相邻的两个图像作为集合内的一组待计算时间信息元素：

第一原始视频图像集合表示为：

P_n-1＝{[x₁,x₂],[x₂,x₃],[x₃,x₄]…[x_n-1,x_n]}

第一卷积特征图集合表示为：

第二步：对维度不同的数据的进行补零升维或去零降维以使得各数据同维度，得到第二原始视频图像集合P′_n-1与第二卷积特征图集合Q'_n-1；

第三步：将第二原始视频图像集合P′_n-1与第二卷积特征图集合Q'_n-1的集合内的所有数据进行空间映射计算并求平均，得到第三原始视频图像集合f(x)与第三卷积特征图集合f(x^c)；其中f代表被映射的可再生核希尔伯特空间上的连续函数集；

第四步：对第三原始视频图像集合f(x)、第三卷积特征图集合f(x^c)，分别计算各集合内的各组待计算同维度时间信息元素的映射数据的差值，对差值求和并计算平均值，对所述两个均值作差并平方，得到时间信息的最大均值差异，用算式表示时间信息的最大均值差异为：