[发明专利]一种智能汽车行人检测算法

权利要求书

1.一种智能汽车行人检测算法，包括改进的k-means聚类算法，其特征在于，改进的k-means聚类算法包括以下步骤：

步骤一：对训练数据集中的无效标注数据进行清除；

步骤二：将坐标数据从训练数据集对应的数据文件写入到数组中；

步骤三：依次读取数组数据，定义标注框左下角顶点在x轴的投影坐标为x_min，在y轴的投影坐标为y_min，定义标注框右上角顶点在x轴的投影坐标为x_max，在y轴的投影坐标为y_max；

步骤四：计算x_max与x_min的差值，计算y_max与y_min的差值；

步骤五：计算x_d和y_d的商；

步骤六：获得训练数据集中全部有效标注数据；

步骤七：对有效标注数据进行聚类；

步骤八：人为选择k个簇，并随机选取k个簇为初始聚类中心；

步骤九：计算所有有效标注数据与聚类中心的IOU值；

步骤十：将IOU值更大的数据点自动划分在聚类中心所在的簇；

步骤十一：选择每个簇中所有数据点的中心作为新的聚类中心；

步骤十二：重复执行步骤九至步骤十一，直至聚类中心不再移动为止；

步骤十三：将最终的聚类结果作为YOLOv3网络模型无监督学习获得的先验框。

2.根据权利要求1所述的智能汽车行人检测算法，其特征在于：所述步骤四中，x_max与x_min的差值记为x_d，y_max与y_min的差值记为y_d，，x_d＝0或y_d＝0时，则x_d和y_d对应的标注数据是无效的，否则x_d和y_d对应的标注数据是有效的。

3.根据权利要求1所述的智能汽车行人检测算法，其特征在于：所述步骤五中，x_d和y_d的商记为Q，当Q＞3时，则x_d和y_d对应的标注数据是无效的，否则x_d和y_d对应的标注数据是有效的。

4.根据权利要求1所述的智能汽车行人检测算法，其特征在于：所述步骤九中，IOU作为新的评价指标来描述真实框与聚类中心之间的距离，且可为获得的检测框与真实框的面积交并比。

5.根据权利要求4所述的智能汽车行人检测算法，其特征在于：所述IOU计算公式为：

6.根据权利要求5所述的智能汽车行人检测算法，其特征在于：所述Gt表示目标检测框，Dr表示目标真实框，Gt∩Dr表示真实框与检测框的交集，Gt∪Dr表示真实框与检测框的并集。

7.根据权利要求4所述的智能汽车行人检测算法，其特征在于：所述真实框与所述聚类中心之间的距离公式为d(box,centroid)＝1-IOU(box,centroid)。

8.根据权利要求7所述的智能汽车行人检测算法，其特征在于：所述公式中box代表真实框，centroid代表聚类中心。