[发明专利]基于YOLO的车辆前方障碍物检测方法在审
| 申请号： | 201811353905.1 | 申请日： | 2018-11-14 |
| 公开（公告）号： | CN109447033A | 公开（公告）日： | 2019-03-08 |
| 发明（设计）人： | 王超 | 申请（专利权）人： | 北京信息科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 刘冰 |
| 地址： | 100101 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于YOLO的车辆前方障碍物检测方法，本发明涉及车辆前方障碍物检测方法。本发明的目的是为了解决现有目标检测算法检测准确率低、检测速度慢的问题。具体过程为:一、获取数据集，利用标注框标注训练集图像中每一个目标；二、初始化卷积神经网络，将标注框标注完的训练集输入卷积神经网络；三、对训练集图像进行预处理；四、分割成7*7的网格；五、网格选取初始候选框；六、得到目标类别M的类别置信度；七、根据类别置信度设置卷积神经网络输出，得到最终预测框；八、得到最终权值和训练完的卷积神经网络；九、利用训练完的卷积神经网络对测试集图像进行测试，确定车辆前方障碍物。本发明用于车辆前方障碍物检测领域。 | ||
| 搜索关键词： | 卷积神经网络 车辆前方 障碍物检测 训练集图像 标注框 置信度 网格 标注 预处理 目标检测算法 获取数据 目标类别 测试集 初始化 候选框 权值和 训练集 障碍物 检测 准确率 测试 图像 输出 分割 预测 | ||
【主权项】：
1.基于YOLO的车辆前方障碍物检测方法，其特征在于：所述方法具体过程为:步骤一、获取数据集，数据集分为训练集和测试集，利用标注框标注训练集图像中每一个目标，得到训练集图像中每一个目标的位置信息与类别信息；步骤二、初始化卷积神经网络，将标注框标注完的训练集输入卷积神经网络；步骤三、对训练集图像进行预处理；步骤四、将预处理后的训练集图像分割成网格；步骤五、网格选取初始候选框；每个网格随机生成两个初始候选框；步骤六、网格进行目标检测，得到目标类别M的类别置信度；步骤七、根据类别置信度设置卷积神经网络输出，得到最终预测框；步骤八、将步骤一中标注框标注的训练集图像作为卷积神经网络的输入，步骤七得到的最终预测框的训练集图像作为卷积神经网络的输出，训练卷积神经网络，得到最终权值和训练完的卷积神经网络；步骤九、利用训练完的卷积神经网络和最终权值对测试集图像进行测试，确定车辆前方障碍物。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京信息科技大学，未经北京信息科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811353905.1/，转载请声明来源钻瓜专利网。
