[发明专利]一种基于车联网的道路图像检测方法

说明书

本发明公开了一种基于车联网的道路图像检测方法，包括：获取待检测的目标道路图像；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，得到检测结果，包括目标的位置和类别；在车辆上显示检测结果。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；道路图像检测网络是根据样本道路图像，样本道路图像对应目标的位置和类别训练得到的。本发明增加细粒度的特征提取尺度能提升道路图像小目标检测精度。

技术领域

本发明属于图像处理领域，具体涉及一种基于车联网的道路图像检测方法、装置及电子设备。

背景技术

目前，随着车辆密集化、道路复杂化，对道路状况的检测变得日益重要，利用车辆网技术，通过对道路图像进行目标检测，可以帮助驾驶员了解道路上的车辆、行人、障碍物等的分布情况，便于安全驾驶。但在实际情况中，进行目标检测的道路图像中，往往存在一些标识牌、消防栓、小动物等，由于它们体积较小，目标检测的准确性并不高，导致驾驶员无法获得小目标的检测结果进行良好避让，因此容易引发行车安全问题。

发明内容

为了提高道路图像中小目标检测的准确性，以帮助驾驶员安全驾驶，本发明实施例提供了一种基于车联网的道路图像检测方法、装置及电子设备。

具体技术方案如下：

第一方面，本发明实施例提供了一种基于车联网的道路图像检测方法，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。

可选的，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。

可选的，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。