[发明专利]一种交通车辆与行人的自动识别方法

权利要求书

1.一种交通车辆与行人的自动识别方法，其特征在于，包括如下步骤：

数据集的制作；

构建增强卷积神经网络Enhancement-tiny YOLOv3；

通过输入所述数据集，对增强卷积神经网络Enhancement-tiny YOLOv3训练，当Enhancement-tiny YOLOv3网络的平均损失小于预设阈值时，得到训练好的Enhancement-tiny YOLOv3的网络；

自动识别目标。

2.根据权利要求1所述的交通车辆与行人的自动识别方法，其特征在于，所述数据集的制作具体为：对目标分类；自行采集目标的图片数据集。

3.根据权利要求2所述的交通车辆与行人的自动识别方法，其特征在于，所述目标为行人和车俩；每个类别的目标采集白天图片和夜晚图片并进行手工标注。

4.根据权利要求1所述的交通车辆与行人的自动识别方法，其特征在于，构建增强卷积神经网络Enhancement-tiny YOLOv3具体为：在tiny YOLOv3卷积神经网络基础上，将最大池化层maxpool3层修改为卷积层conv4，将卷积层conv4的特征通道维度压缩以减少无效参数；增加卷积层conv5和上采样层upsample2，卷积层conv5和上采样层upsample2在通道维度上进行连接操作，作为Enhancement-tiny YOLOv3特征金字塔的一个特征图层。

5.根据权利要求4所述的交通车辆与行人的自动识别方法，其特征在于，所述增强卷积神经网络Enhancement-tiny YOLOv3为25层：网络结构从输入到输出依次是卷积层conv1、最大池化层maxpool1、卷积层conv2、最大池化层maxpool2、卷积层conv3、卷积层conv4、卷积层conv5、卷积层conv6、最大池化层maxpool3、卷积层conv7、最大池化层maxpool4、卷积层conv8、最大池化层maxpool5、卷积层conv9、卷积层conv10、卷积层conv11、卷积层conv12、卷积层conv13、上采样层upsample1、卷积层conv14、卷积层conv15、卷积层conv16、上采样层upsample2、卷积层conv17和卷积层conv18；所述卷积层conv12到上采样层upsample1进行上采样操作，所述卷积层conv15到上采样层upsample2进行上采样操作；所述卷积层conv5和上采样层upsample2在通道维度进行了连接操作，所述卷积层conv7和上采样层upsample1在通道维度进行了连接操作；所述增强卷积神经网络Enhancement-tinyYOLOv3的输入层为：卷积层conv1；所述增强卷积神经网络Enhancement-tiny YOLOv3输出层为：卷积层conv12、卷积层conv15和卷积层conv18。

6.根据权利要求4所述的交通车辆与行人的自动识别方法，其特征在于，所述增强卷积神经网络Enhancement-tiny YOLOv3将tiny YOLOv3卷积神经网络基础的特征金字塔网络由原来的13×13和26×26像素的特征图改进为13×13、26×26和52×52像素的3层结构的特征图。