[发明专利]一种基于透视降采样的YOLO地面标志检测方法、设备及存储介质

说明书

本发明涉及一种基于透视降采样的YOLO地面标志检测方法、设备及存储介质，首先，通过车载相机获取车辆前方的图像，选取图像感兴趣区域进行透视降采样，降低道路图像近处分辨率。其次对YOLOv3‑tiny目标检测网络进行改进，添加卷积层强化浅层特征，提升小目标表征能力；改变特征金字塔融合尺度，将预测输出调整为适合地标尺寸的26×26和52×52。最后，在自建多场景数据集上测试，准确率由78％提升到99％，模型大小由33MB减小为8.3MB。当车辆在有地面标志的道路上行驶时，本发明能实时准确的检测到地面转向标志，鲁棒性强，对小目标检测精度更高，易在低端嵌入式设备上部署。

技术领域

本发明涉及一种基于透视降采样的YOLO地面标志检测方法、设备及存储介质，属于计算机视觉图像处理技术领域。

背景技术

目前，谷歌、百度、特斯拉等公司都在开展无人驾驶汽车研究，部分无人驾驶试验车已经进入实际道路测试阶段。国内自动驾驶行业不断兴起，无人出租、无人公交、无人配送等迈上了新的台阶。相信不久的将来，无人驾驶汽车将进入大众的生活，并改变人们的出行方式。

在智能交通领域，对地面交通标志的研究主要是车道线识别，地面导向标志识别的研究较少。地标检测能实时精确定位和识别车道上的导向标志，在智能驾驶情况下对道路环境进行感知，帮助驾驶员正确、安全地行驶。路面各种箭头、字母等包含重要的交通指示信息，对道路场景的理解有重要的作用。驾驶员可能会因为树影遮挡、光照变化等情况未注意到地面标志，或不了解某个地标的具体含义等情况，导致严重的交通事故，影响正常交通秩序。

现有的地面导向标志识别方法中，多数研究都是基于传统的二值化方法和机器学习中的SVM，实时性不高，遇到标志模糊、光照变化、阴影遮挡等情况，识别的准确率大幅降低。

发明内容

针对现有技术的不足，本发明提出了一种基于透视降采样的YOLO地面标志检测方法；

为提高检测鲁棒性，本发明将YOLO算法应用于地面标志检测中，提出一种基于透视降采样的 YOLO地标检测方法，适用于城市及高速公路等场景，可以灵活在嵌入式设备上部署。

本发明还提供了一种计算机设备及存储介质。

发明概述：

本发明可以通过透视降采样缩小图像分辨率，YOLO实时准确检测到车辆前方的转向标志。

术语解释：

1、LabelImg，一个图片标注工具，用Python写成，Qt是图形界面的接口。注释以PASCAL VOC 格式保存为XML文件，是ImageNet使用的格式。

2、YOLO算法(You Only Look Once)，是一种采用卷积神经网络实现端到端目标检测的算法。 YOLO将目标检测看作回归问题，直接将整幅图输入网络训练模型，采用滑动窗口的方式寻找目标中心位置，能够实时预测一张图像上多个目标的类别和位置。

3、Pascal VOC，是一种数据集格式，由5个部分构成：JPEGImages，Annotations，ImageSets， SegmentationClass以及SegmentationObject。JPEGImages：存放训练与测试的所有图片；Annotations：存放每张图片打完标签所对应的XML文件，XML文件主要包含图像的宽高、转向标志的类别和真实坐标框的信息；ImageSets：ImageSets文件夹下主要是Main文件夹，存放四个文本文件test.txt、 train.txt、trainval.txt、val.txt，其中分别存放的是测试集图片的文件名、训练集图片的文件名、训练验证集图片的文件名、验证集图片的文件名；SegmentationClass与SegmentationObject：存放的都是图片，且都是图像分割结果图。