[发明专利]一种基于车联网的道路图像检测方法

权利要求书

1.一种基于车联网的道路图像检测方法，其特征在于，包括：

获取待检测的目标道路图像；

将所述目标道路图像输入预先训练得到的道路图像检测网络中，利用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，得到所述目标道路图像的检测结果，所述检测结果包括目标的位置和类别；

在车载设备上显示所述检测结果。

其中，所述道路图像检测网络包括顺次连接的主干网络、FPN网络、分类网络和非极大值抑制模块；所述道路图像检测网络是根据样本道路图像，以及所述样本道路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，所述道路图像检测网络的主干网络包括：串接的y个残差模块；y为大于等于4的自然数；y大于等于x；

所述利用主干网络进行特征提取，得到x个不同尺度的特征图，包括：

利用串接的y个残差模块对所述目标道路图像进行特征提取，得到沿输入逆向的x个残差模块输出的、尺度依次增大的x个特征图。

3.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；所述卷积网络模块包括串行连接的卷积层、BN层、Leaky relu层；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。

4.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；

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。

5.根据权利要求4所述的方法，其特征在于，所述采用自顶向下、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，包括：

针对预测支路Y_i，从所述x个特征图中，获取对应尺度的特征图并进行卷积处理，将卷积处理后的特征图，与预测支路Y_i-1～Y₁分别经上采样处理后的特征图进行级联融合；其中，预测支路Y_i-j的上采样倍数为2^j；i＝2、3，…，x；j为小于i的自然数。

6.根据权利要求1所述的方法，其特征在于，对所述道路图像检测网络进行训练之前还包括：

确定针对样本道路图像中锚盒尺寸的待聚类数量；

获取已标注目标框尺寸的若干样本道路图像；

基于已标注目标框尺寸的若干样本道路图像，利用K-Means聚类方法，获得样本道路图像中锚盒尺寸的聚类结果；

将所述聚类结果写入所述道路图像检测网络的配置文件中。