[发明专利]一种基于深度学习的目标测距方法

说明书

本发明公开了一种基于深度学习的目标测距方法，具体包括以下步骤：(1)基于不同距离下的目标数据库的建立；(2)目标测距模型的搭建；(3)设计目标测距模型的损失函数；(4)设计目标测距模型的训练方法；(5)测试训练好的目标测距模型。本发明的创新点：基于深度学习中的视频图像目标检测算法，将目标测距问题转化为回归问题融入目标检测算法模型，从而在一个算法模型中实现目标检测与目标测距。该方法的优点是：通过本算法，只需普通单目摄像机即可获取目标类别信息和目标距离信息，从而可取代传统的双目相机或激光雷达来获取目标的深度信息，降低了硬件成本。

技术领域

本发明涉及一种基于深度学习的目标测距方法，属于人工智能领域。

背景技术

随着大数据的产生和计算机计算能力的提升，人工智能技术得到了进一步的发展。如何将新兴技术运用到传统问题上是我们亟待解决的问题。传统的基于双目摄像机的立体视觉测距方法成本较高，获得的目标信息较为单一，因此不能得到很好的推广。

深度学习(deep learning)是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法；深度学习是机器学习中一种基于对数据进行表征学习的算法；观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等；而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)；深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

基于深度学习算法的目标测距方法只需在普通单目摄像机上嵌入目标测距算法就可获取目标类别信息和目标距离信息；该方法替代了传统的双目相机，降低了硬件成本，丰富了目标特征信息。

发明内容

本发明公开了一种基于深度学习的目标测距方法，通过深度学习方法，将目标测距问题转化为回归问题，从而达到目标距离的测量。

根据本发明的一个发明目的，本发明提供了一种基于深度学习的目标测距方法，包括如下：

第一步骤:基于不同距离下的目标数据库的建立；

第二步骤:目标测距模型的搭建；

第三步骤:设计目标测距模型的损失函数；

第四步骤：设计目标测距模型的训练方法；

第五步骤：测试训练好的目标测距模型。

进一步地，所述第一步骤中，所述目标数据库的建立主要包括：(a)数据采集；(b)数据标定；其中数据采集的来源为指定摄像机拍摄的视频信息；数据采集对象包含8类，分别为：行人、自行车、摩托车、汽车、公交车、鸟、猫、狗；数据标定包括：被检测目标的边界框坐标信息、被检测目标的边界框类别信息、被检测目标的深度信息。

进一步地，所述第一步骤中，所述目标数据库的建立步骤主要包括：

第一步骤：使用双目视觉摄像机进行视频数据采集；

第二步骤：对采集到的每段视频数据进行视频分帧处理，从而获得每帧图像及图像中物体的深度信息；

第三步骤：对获得的单帧图像利用标定工具进行人工标定，标定内容包括：被检测目标的边界框中心点坐标(x,y)、被检测目标的边界框宽度w和高度h、被检测目标的边界框类别信息c和被检测目标距离摄像机的距离信息L；

第四步骤：对标定好的数据按照一定比例将其划分为训练集、测试集。

进一步地，所述第二步骤中，目标测距模型的搭建指的是基于深度学习的卷积神经网络模型的搭建,该模型总共有33层，其中前25层为特征提取层，后8层为特征信息的预测层。

进一步地，所述第三步骤中，设计目标测距模型的损失函数具体如下：