[发明专利]一种深度感知交通场景多目标检测方法和系统

权利要求书

1.一种深度感知交通场景多目标检测方法，其特征在于，包括：

将待检测图片输入至预先训练完成的Mask R-CNN模型识别出第一类目标的类别以及目标位置；

将识别完成的图片输入至预先训练完成的优化的CNN模型，检测出该图片中第二类目标的类别、置信度以及目标位置；

所述优化的CNN模型包括特征提取网络和物体检测网络，所述特征提取网络，用于检测图片的输入特征获得特征图；所述物体检测网络，对待检测图片进行检测，输出该图片中第二类目标的类别、置信度以及目标位置；

所述物体检测网络包括三层，第一层是第六卷积神经网络层，第二层是并列的两个卷积神经网络层第七神经网络层和第八神经网络，并同时连接第六神经网络层，第三层是分别连接层第七神经网络层和第八层神经网络层的第九神经网络层和第十神经网络层，所述第九神经网络层输出目标的置信度和目标位置，所述第十神经网络层输出目标的类别。

2.根据权利要求1所述的一种深度感知交通场景多目标检测方法，其特征在于，所述特征提取网络结构包括8层，从第1层到第8层分别为第一卷积神经网络层、第一最大池化层、第二卷积神经网络层、第三卷积神经网络层、第二最大池化层、第四卷积神经网络层、第五卷积神经网络层和第三最大池化层。

3.根据权利要求2所述的一种深度感知交通场景多目标检测方法，其特征在于，第一卷积神经网络层为归一化层。

4.一种深度感知交通场景多目标检测系统，其特征在于，

Mask R-CNN模型，用于将待检测图片输入识别出第一类目标的类别以及目标位置；

优化的CNN模型，用于将输入Mask R-CNN模型识别完成的图片，检测出该图片中第二类目标的类别、置信度以及目标位置；

所述优化的CNN模型包括特征提取网络和物体检测网络，所述特征提取网络，用于检测图片的输入特征获得特征图；所述物体检测网络，对待检测图片进行检测，输出该图片中第二类目标的类别、置信度以及目标位置；

所述物体检测网络包括三层，第一层是第六卷积神经网络层，第二层是并列的两个卷积神经网络层第七神经网络层和第八神经网络，并同时连接第六神经网络层，第三层是分别连接层第七神经网络层和第八层神经网络层的第九神经网络层和第十神经网络层，所述第九神经网络层输出目标的置信度和目标位置，所述第十神经网络层输出目标的类别。

5.根据权利要求4所述的一种深度感知交通场景多目标检测系统，其特征在于，所述优化的CNN模型包括特征提取网络和物体检测网络，所述特征提取网络，用于检测图片的输入特征获得特征图；所述物体检测网络，对待检测图片进行检测，输出该图片中第二类目标的类别、置信度以及目标位置。