[发明专利]一种智慧交通图像检测方法

权利要求书

1.一种智慧交通图像检测方法，其特征在于，包括：

获取待检测的目标交通图像；所述目标交通图像中含有至少一个目标；

将所述目标交通图像输入预先训练得到的交通图像检测网络中，利用密集连接形式的主干网络进行特征提取，得到x个不同尺度的特征图；x为大于等于4的自然数；

将所述x个不同尺度的特征图利用FPN网络进行特征融合，得到各尺度对应的预测结果；

将所有预测结果经由分类网络和非极大值抑制模块进行处理，得到所述目标交通图像的检测结果，所述检测结果包括目标的位置和类别；

输出所述检测结果。

其中，所述交通图像检测网络包括密集连接形式的主干网络、FPN网络、分类网络和非极大值抑制模块；所述交通图像检测网络是根据样本交通图像，以及所述样本交通图像对应目标的位置和类别训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述密集连接形式的主干网络包括多个间隔串接的密集连接模块和过渡模块；所述密集连接模块的数量为y个；所述密集连接模块包括串行连接的卷积网络模块和密集连接单元组；所述卷积网络模块包括串行连接的卷积层、BN层、Leaky relu层；所述密集连接单元组包括m个密集连接单元；每个密集连接单元包括多个采用密集连接形式连接的所述卷积网络模块，并采用级联方式融合多个卷积网络模块输出的特征图；其中，y和m为大于等于4的自然数；y大于等于x。

所述得到x个不同尺度的特征图，包括：

得到沿输入逆向的x个密集连接模块输出的、尺度依次增大的特征图。

3.根据权利要求2所述的方法，其特征在于，所述过渡模块包括所述卷积网络模块和最大池化层；所述卷积网络模块的输入和所述最大池化层的输入共用，所述卷积网络模块输出的特征图和所述最大池化层输出的特征图采用级联方式融合。

4.根据权利要求3所述的方法，其特征在于，所述过渡模块包括的所述卷积网络模块的数量为两个或三个，且各个卷积网络模块之间采用串接方式。

5.根据权利要求2所述的方法，其特征在于，所述FPN网络包括尺度依次增大的x个预测支路Y₁～Y_x；其中，所述预测支路Y₁～Y_x的尺度与所述x个特征图的尺度一一对应；

所述将所述x个不同尺度的特征图利用FPN网络进行特征融合，包括：

预测支路Y_i从所述x个特征图中，获取对应尺度的特征图作为所述预测支路Y_i的待融合特征图F_i；其中，i＝2、3，…，x；

并且获取预测支路Y_i-1中经卷积网络模块组输出的特征图，并进行卷积和上采样处理，得到所述预测支路Y_i的待融合特征图F_i-1；

将所述待融合特征图F_i和所述待融合特征图F_i-1进行级联融合；

其中，所述卷积网络模块组包括k个卷积网络模块，k为自然数；每一预测支路均含有所述卷积网络模块组，预测支路Y_i的所述卷积网络模块组设置于该预测支路的级联融合处理之后。

6.根据权利要求2所述的方法，其特征在于，所述FPN网络包括尺度依次增大的x个预测支路Y₁～Y_x；其中，所述预测支路Y₁～Y_x的尺度与所述x个特征图的尺度一一对应；

所述将所述x个不同尺度的特征图利用FPN网络进行特征融合，包括：

改进所述FPN网络，得到改进型FPN网络；

利用所述改进型FPN网络，采用自顶向下、密集连接的方式将所述x个不同尺度的特征图进行特征融合。