[发明专利]一种交通车辆目标检测方法、装置、设备及可读存储介质

权利要求书

1.一种交通车辆目标检测方法，其特征在于，包括以下步骤：

S1，对交通图像进行预处理得到不同场景的交通图像；

S2，对预处理后不同场景的交通图像进行车辆标注，将标注后的交通图像进行维度聚类，设置阈值进行聚类Anchor Box，并且将一个相对远的点选择为下一个初始聚类中心；

采用IOU作为目标聚类分析，使用IOU作为空间距离计算，聚类公式为：

D_i(x_j)＝1-IOU(x_j,c_i)(1)

x_j∈X＝{x₁,x₂,...,c_n}表示Ground Truth样本；c_i∈{c₁,c₂,...,c_n}代表聚类中心；K表示锚点框数量，聚类目标函数代表每个样本到聚类中心的距离之和的最小值，计算公式如下所示：

采用轮廓系数方法分析聚类目标去选择最优的聚类数K，K取9，并且高度和宽度分别是(13，11)，(23，17)，(31，28)，(41，20)，(51，33)，(63，51)，(102，61)，(166，116)，(388，244)；

S3，基于特征提取主干网络，在浅层部分添加网络层对维度聚类后的交通图像进行浅层特征提取，深层部分采用多层残差网络进行特征提取；

第一个卷积层采用32个大小为3×3的卷积核过滤416×416分辨率的输入图像，然后将先前的卷积层的输出作为下一个卷积层输入，使用64个大小为3×3像素的卷积核并以步长为2的像素进行卷积操作，实现2倍的下采样，得到208×208分辨率的特征图；之后在网络中添加执行5组2×Resblock_body，再经过4次下采样后，分别获得104×104，52×52，26×26，13×13大小的特征图；

S4，经过多层残差网络进行特征提取后进行多尺度检测，实现交通图像中不同交通场景的车辆目标的检测。

2.根据权利要求1所述的一种交通车辆目标检测方法，其特征在于，交通图像通过网络爬虫和现场拍摄获取，将交通图像集分为训练、测试集和验证集；将交通车辆数据集依次进行图像反转、对称处理实现扩充数据集。

3.根据权利要求1所述的一种交通车辆目标检测方法，其特征在于，将输入图像大小调整为416×416，经过5次下采样得到52×52，26×26，13×13三个不同尺度的特征图进行多尺度检测。

4.根据权利要求1所述的一种交通车辆目标检测方法，其特征在于，采用Labeling软件将所有的汽车标注为Car。