[发明专利]一种基于自适应关键点热图的车辆检测方法及装置

权利要求书

1.一种基于自适应关键点热图的车辆检测方法，其特征在于，所述检测方法包括以下步骤：

通过预先构建的全卷积编码解码网络提取出道路视频中车辆目标的特征图；

利用可变半径高斯核从特征图中渲染出关键点热图，将关键点热图映射到关键点特征图上；所述关键点特征图为关键点热图、嵌入向量和偏移向量构成的特征；

在映射后的关键点特征图上提取出车辆目标的中心点；

根据车辆目标的宽和高的信息，构建卷积神经输出网络，回归得到车辆目标尺寸、大小、位置和边界框信息，从而确定出车辆目标的位置信息；

所述可变半径高斯核表示为：

其中，Y_xyc表示坐标为(x,y)的关键点c的可变半径高斯核；x表示关键点c的横坐标；x₀表示经过下采样后的对应关键点的横坐标；σ_x表示实际车辆目标的宽与自适应车辆目标的宽之间的标准差，y表示关键点c的纵坐标；y₀表示经过下采样后的对应关键点的纵坐标；σ_y表示实际车辆目标的高与自适应车辆目标的高之间的标准差；实际车辆目标的宽与自适应车辆目标的宽之间的标准差表示为实际车辆目标的高与自适应车辆目标的高之间的标准表示为α表示像素级逻辑回归的焦点损失权重，w表示实际车辆目标的宽度，A表示第一径向辐射范围；h表示实际车辆目标的高度，B表示第二径向辐射范围。

2.根据权利要求1所述的一种基于自适应关键点热图的车辆检测方法，其特征在于，所述预先构建的全卷积编码解码网络包括输入层、输出层和若干卷积层；所述卷积层使用可变形卷积和上采样层的转置卷积组合进行特征提取；按照多级跳跃连接的方式对可变形卷积和上采样层进行处理，迭代式地将网络结构的特征信息融合起来。

3.根据权利要求1所述的一种基于自适应关键点热图的车辆检测方法，其特征在于，所述提取出道路视频中车辆目标的关键点特征图包括对预先构建的全卷积编码解码网络进行训练，分别按照像素级逻辑回归的焦点损失完成关键点热图的训练，按照类别损失完成嵌入向量的训练，以及按照偏移损失完成偏移向量的训练，从而提取出关键点特征图。

4.根据权利要求1所述的一种基于自适应关键点热图的车辆检测方法，其特征在于，所述可变半径高斯核的标准差随着车辆目标的宽和高进行自适应变换。

5.根据权利要求1所述的一种基于自适应关键点热图的车辆检测方法，其特征在于，所述第一径向辐射范围为[2,6]，所述第二径向辐射范围为[2,6]；且所述径向辐射范围均为整数。

6.根据权利要求1所述的一种基于自适应关键点热图的车辆检测方法，其特征在于，所述在映射后的关键点特征图上提取出车辆目标的中心点包括对待检测图片进行下采样，在下采样的特征图中预测中心点；使用最大池化选取关键点热图上的若干个峰值点，峰值点定义为当前点的值大于或等于周围8近邻点的值；将这若干个峰值点由大到小排序，选择值最大的点作为中心点。

7.一种自适应关键点热图的车辆检测装置，用于实现如权利要求1～6任一所述的一种基于 自适应关键点热图的车辆检测方法，其特征在于，包括：

图片获取模块，用于获取待检测的道路视频中的车辆图像帧；

关键点特征图提取模块，用于按照预先构建的全卷积编码解码网络提取出道路视频中车辆目标的特征图；

热图渲染模块，利用可变半径高斯核从特征图中渲染出关键点热图，将关键点热图映射到关键点特征图上；

中心点提取模块，用于在映射后的关键点特征图上提取出车辆目标的中心点；

车辆目标确定模块，用于根据车辆目标的宽和高的信息，构建卷积神经输出网络，回归得到目标尺寸、大小、位置和边界框信息，从而确定出车辆目标的位置信息。

8.根据权利要求7所述的一种自适应关键点热图的车辆检测装置，其特征在于，所述热图渲染模块包括可变半径高斯核调节模块、渲染单元；所述可变半径高斯核调节单元用于根据车辆目标的高宽比来调整高斯核的半径，并将调节半径的高斯核输出至渲染单元，所述渲染单元根据调节后高斯核从特征图中渲染出关键点热图。