[发明专利]一种交通场景目标检测方法及系统

权利要求书

1.一种交通场景目标检测方法，其特征是，包括：

获取交通场景中的待检测图像；对待检测图像进行特征提取，提取出若干特征；

对已提取的若干特征进行特征融合，得到融合特征；对融合特征进行特征增强处理，得到初步分类特征和初步回归特征；

对初步分类特征进行边界特征提取，得到边界分类特征和边界回归特征；将初步分类特征与边界分类特征进行融合，得到最终分类特征；将初步回归特征与边界回归特征进行融合，得到最终回归特征；

基于最终分类特征和训练后的分类器，得到最终的分类预测结果；基于最终回归特征和训练后的回归器，得到最终的回归预测结果。

2.如权利要求1所述的一种交通场景目标检测方法，其特征是，对待检测图像进行特征提取，提取出若干特征；具体采用RestNet 101网络对待检测图像进行特征提取，提取出若干特征；

或者，

RestNet 101网络，包括：依次连接的卷积层a1、卷积层a2、卷积层a3和卷积层a4；

所述卷积层a1的输入值为待检测图像；所述卷积层a1的输出值为特征B₂；

所述卷积层a2的输入值为特征B₂；所述卷积层a2的输出值为特征B₃；

所述卷积层a3的输入值为特征B₃；所述卷积层a3的输出值为特征B₄；

所述卷积层a4的输入值为特征B₄；所述卷积层a4的输出值为特征B₅。

3.如权利要求1所述的一种交通场景目标检测方法，其特征是，对已提取的若干特征进行特征融合，得到融合特征；具体采用尺度融合模块，对已提取的若干特征进行特征融合，得到融合特征；

或者，

所述采用尺度融合模块SFM，其网络结构包括：依次连接的卷积层b1、上采样层c1、加法器d1、卷积层b2、上采样层c2、加法器d2、卷积层b3、上采样层c3、加法器d3和卷积层b4；

卷积层b1，还通过卷积层f1与卷积层a4连接；

加法器d1，还通过卷积层f2与卷积层a3连接；

加法器d2，还通过卷积层f3与卷积层a2连接；

加法器d3，还通过卷积层f4与卷积层a1连接；

卷积层b2和卷积层b3，还与加法器d4连接；

卷积层b1、卷积层b4和加法器d4，还与拼接器连接。