[发明专利]一种基于轨迹预测的道路移动目标检测方法

权利要求书

1.一种基于轨迹预测的道路移动目标检测方法，其特征在于，包括以下步骤：

S1、通过车载摄像头获取道路移动目标的视频流，并对其进行处理得到对应的图像帧；

S2、将图像帧输入到训练好的目标检测网络中，获得对应的目标检测框；

S3、对目标检测框中的目标进行目标跟踪，得到对应的目标跟踪框；

S4、通过数据关联算法将目标检测框和目标跟踪框进行最优匹配，进而确定目标位置，实现移动目标检测。

2.根据权利要求1所述的基于轨迹预测的道路移动目标检测方法，其特征在于，所述步骤S2中的目标检测网络为改进的YOLOv3-Tiny网络；

所述改进的YOLOv3-Tiny网络在YOLOv3-Tiny网络的基础上，在其第四层、第五层和第六层中均增加了一个3×3的卷积层，并在每个卷积层后引入一个1×1的卷积核。

3.根据权利要求2所述的基于轨迹预测的道路移动目标检测方法，其特征在于，所述步骤S2中，对目标检测网络进行训练的方法具体为：

A1、构建包括若干图像帧的数据集，并对其进行预处理；

所述图像帧为车载摄像头获取的道路移动目标视频流对应的图像帧；

A2、通过Label Image软件在预处理后的每张图像帧中标注出车辆和行人信息；

A3、将标注有车辆和行人信息的数据集进行训练集和测试集的划分，并输入到目标检测网络中；

A4、对目标检测网络输出的候选框使用k-means方法进行聚类；

A5、将输出的候选框和输入数据中的标记框的IOU值作为聚类评价指标；

A6、将最小IOU值对应的候选框的大小和个数作为目标检测网络的超参数；

A7、重复步骤A4-A6，对目标检测网络进行训练，当训练误差稳定小于2时，保存此时的网络参数，完成目标检测网络的训练。

4.根据权利要求3所述的基于轨迹预测的道路移动目标检测方法，其特征在于，所述步骤S3中的目标检测框中的目标包括车辆和行人，所述目标跟踪框包括目标运动轨迹预测框和目标预测框；

所述步骤S3具体为：

为每个目标检测框中的目标分配一个非线性增广卡尔曼滤波器进行目标跟踪，获得跟踪目标在下一帧的目标运动轨迹预测框和目标预测框。

5.根据权利要求4所述的基于轨迹预测的道路移动目标检测方法，其特征在于，通过一阶泰勒展开构建非线性增广卡尔曼滤波器；

所述非线性增广卡尔曼滤波器中的状态转移方程为：

θ_k＝f(θ_k-1)+F_K-1(θ_k-1-θ_k-1)+s_k

所述非线性增广卡尔曼滤波器中的观测方程为：

z_k＝h(θ'_k)+H_K(θ_k-θ'_k)+v_k

式中，θ_k为k时刻的状态转移矩阵；

f(·)为运动模型后验函数；

θ_k-1为矩阵θ_k-1的泰勒展开；

F_K-1为雅克比矩阵，且

s_k为k时刻的过程噪声；

z_k为k时刻的状态观测矩阵；

h(θ'_k)为k时刻的状态预测矩阵θ'_k的后验函数；

H_K为k时刻的系统观测矩阵，且

v_k为k时刻的观测噪声。