[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

说明书

本发明提供一种基于自适应关键点热图的车辆检测方法及装置，属于计算机视觉、目标检测与识别技术领域；包括通过自适应可变半径高斯核渲染关键点热图，提取到车辆目标的中心点，然后通过车辆目标宽和高的信息，回归得到车辆目标尺寸、位置等信息；关键点热图的渲染采用自适应策略，高斯核半径随着目标宽和高的变化而变化，在道路拥挤条件下预测的边界框更加紧凑，计算坐标范围由整个特征图缩小为目标边界框内，能够加快网络收敛；在道路拥挤的视频场景下能有效解决密集遮挡车辆之间漏检、误检、检测精度不高的问题，能够满足在拥挤道路监控视频下对车辆检测速度和准确度的需求，对于智能交通管理工作具有重大的意义。

技术领域

本发明设计一种基于自适应关键点热图的车辆检测方法及装置，属于计算机视觉、目标检测与识别技术领域。

背景技术

近年来，交通视频监控系统在智能交通领域中得到了广泛的应用，基于深度学习的方法对道路交通的实况进行监控和智能分析，对于缓解交通拥堵、交通事故应急处理、交通路线规划、道路车辆违规管理等工作至关重要。车辆检测是车辆分类、车辆追踪工作的基础，如何在拥堵环境下实现对车辆的实时精准检测是一个具有挑战性的工作。

现有基于深度学习的车辆检测方法主要分为两类：一是基于锚框的车辆检测方法；二是基于无锚框的车辆检测方法。其中，基于锚框的车辆检测方法存在正负样本不均衡、超参难调、后处理过程匹配耗时严重等缺点，难以实现车辆的实时检测。基于无锚框的车辆检测方法由于其简洁、快速、准确渐渐进入了公众视野，这类方法的主要思路是通过多个关键点来表示目标，无需使用锚框作为先验框，也就不存在正负样本筛选过程以及复杂耗时的后处理锚框筛选过程。

然而现有的基于无锚框的车辆检测方法对目标边界框的确定十分敏感，缺乏对全局信息的参考，无法确定哪组关键点属于同一车辆目标。关键点的特征提取也是一概而论，没有考虑目标的形状、宽高等特征，在多目标密集遮挡的条件下，容易出现正负样本模糊、边界不明晰的问题，从而导致目标检测网络难以收敛，模糊网络学习，使目标漏检、误检。因此如何实现对车辆目标精准、实时的检测是该领域亟待解决的难题。

发明内容

针对现有技术存在的问题，本发明的目的在于提供一种基于自适应关键点热图的车辆检测方法及装置，通过该技术可以有效解决道路拥挤条件下车辆检测精确度低和速度慢的问题。通过基于自适应关键点热图的目标检测框架能够满足监控环境下对实时性的要求，通过可变半径高斯核渲染的热图能够随着实际车辆目标的宽高变化而变化，减少车辆密集遮挡条件下的漏检、误检问题。

本发明的技术方案如下：

在本发明的第一方面，本发明提供了一种基于自适应关键点热图的车辆检测方法，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；所述可变半径高斯核的标准差随着车辆目标的宽和高变换；其中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。

在本发明的第二方面，本发明还提供了一种自适应关键点热图的车辆检测装置，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；