[发明专利]一种智慧交通图像检测方法

说明书

本发明公开了一种智慧交通图像检测方法，包括：获取待检测的目标交通图像；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，得到至少四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包括目标的位置和类别的检测结果，输出检测结果。本发明采用密集连接形式的主干网络，能够直接将早期的特征图作为后面每一层的输入，获得的特征图的信息量更多，强化了特征的传递，在进行交通图像检测时能够提高检测精度。复用浅层网络的特征图参数能够减少参数的数量以及运算量。增加细粒度的特征提取尺度，能检测交通图像中更小物体。

技术领域

本发明属于图像处理领域，具体涉及一种智慧交通图像检测方法、装置、电子设备及存储介质。

背景技术

目前，随着交通复杂化，对路面状况的检测变得十分重要。对于行驶在路面上的驾驶员来说，期望了解到路面上的车辆、行人、障碍物等的分布情况，以进行路线规划及安全避让。

现有的目标检测技术可以通过图像处理，识别其中物体的种类和位置。但在实际情况中，路面上往往存在一些标识牌、消防栓、小动物等，由于它们体积较小，进行目标检测的准确性并不高。如果将现有的目标检测技术直接应用于交通图像检测，可能由于小目标的检测准确率差导致出现交通安全问题。

因此，如何提出一种能够针对小目标的高精度交通图像检测方法以供驾驶员进行安全驾驶，是一个亟待解决的问题。

发明内容

为了提出一种能够针对小目标的高精度交通图像检测方法以供驾驶员进行安全驾驶，本发明实施例提供了一种智慧交通图像检测方法、装置、电子设备及存储介质。

具体技术方案如下：

第一方面，本发明实施例提供了一种智慧交通图像检测方法，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。

可选的，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。

可选的，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。

可选的，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。