[发明专利]一种交通车辆与行人的自动识别方法

说明书

本发明提供了一种交通车辆与行人的自动识别方法，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。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。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。本发明可以检测平均准确率显著提高，平均误检率较大减少，平均漏检率大幅降低，在保证实时性的前提下，有效降低了视频流目标检测的误检和漏检。

技术领域

本发明涉及目标自动检测领域，特别涉及一种交通车辆与行人的自动识别方法。

背景技术

随着人民生活水平的提高，针对汽车的需求不断提高，汽车行业蓬勃发展。根据中国纲领性产业政策《中国制造2025》的规划，低碳化、信息化、智能化将是未来汽车行业发展的特色，到2025年时中国智能汽车技术将处于国际先进水平。

无人驾驶、先进辅助驾驶系统ADAS(Advanced Driver Assistance Systems)等作为汽车智能化发展的重要技术方向，有着提高驾驶人驾驶体验、改变未来汽车驾驶方式等等一系列重要意义，最重要的是，交通事故发生率能在智能汽车技术下得到有效的改善。这些技术都涉及到了不同道路环境下的车辆、行人等交通参与者的目标检测技术。目标检测技术是无人驾驶、先进辅助驾驶系统ADAS等智能汽车技术实现的前提，当智能汽车行驶在不同道路环境下时，需要目标检测技术精确的检测出当前道路环境下交通参与者的类别，根据这些信息智能汽车可以执行预警、避障等等操作。

近些年目标检测算法在深度学习的热潮下也有了很大程度的发展，检测的速度和精确度都在不断的提高，如果将基于深度学习的目标检测算法用在交通参与者的目标检测技术上可以很大程度上提高不同道路环境下交通参与者的识别速度和识别精度。TinyYOLOv3就是一种可以实现对不同道路环境下交通参与者的快速识别、准确识别的积神经网络算法。这些检测算法性能的提升针对无人驾驶、汽车辅助驾驶等这些针对道路环境感知的实时性精确性要求很高的技术有着十分重要的意义。

但是现有的Tiny YOLOv3在对目标车辆的视觉检测时，针对小(远)目标车辆、夜晚场景下目标车辆漏检率高、依赖计算资源较高、嵌入式实时等方面存在应用较难的问题。因而有必要对Tiny YOLOv3的网络结构进行改进，提高车辆检测技术的实时性和对小(远)目标车辆的检测精度。

发明内容

针对现有技术中存在的不足，本发明提供了一种交通车辆与行人的自动识别方法，检测平均准确率显著提高，平均误检率较大减少，平均漏检率大幅降低，在保证实时性的前提下，有效降低了视频流目标检测的误检和漏检。

本发明是通过以下技术手段实现上述技术目的的。

一种交通车辆与行人的自动识别方法，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。

进一步，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。

进一步，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。