[发明专利]一种弱对比度交通场景下的车辆检测分割算法有效
| 申请号： | 201810925021.2 | 申请日： | 2018-08-14 |
| 公开（公告）号： | CN109241865B | 公开（公告）日： | 2022-05-31 |
| 发明（设计）人： | 赵祥模;刘占文;高涛;董鸣;杨楠;沈超;徐江;樊星;连心雨;张凡 | 申请（专利权）人： | 长安大学 |
| 主分类号： | G06V20/54 | 分类号： | G06V20/54;G06V10/26;G06V10/764;G06K9/62 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 徐文权 |
| 地址： | 710064 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种弱对比度交通场景下的车辆分割算法方法，通过确定交通场景下的车辆分割任务建立分割目标的数据库，并训练全卷积神经网络语义分割模型通过训练好的全卷积神经网络的对弱对比度交通场景下的前方车辆进行初步分割，从而得到车辆的概率图与分割结果接着对分割结果图进行平滑滤波及去噪操作，去除因为语义分割中反卷积操作而造成的噪点和微小空洞接着将去噪后的分割结果图映射回原图，对原图进行均值漂移语义分割从而得到细化的分割结果，最后将卷积神经网络模型的分割结果、均值漂移分割得到分割结果与卷积神经网络得到的前车概率图按照合并规则进行区域合并，从而实现弱对比度交通环境下的车辆细化分割。 | ||
| 搜索关键词： | 一种 对比度 交通 场景 车辆 检测 分割 算法 | ||
【主权项】：
1.一种弱对比度交通场景下的车辆检测分割算法，其特征在于，包括以下步骤：步骤1)、确定分割目标，建立分割目标的数据库，从而产生训练集与测试集；步骤2)、建立分割目标的正负样本数据库，并对步骤1)产生的训练集进行全卷积神经网络语义分割模型；步骤3)、使用训练好的全卷积神经网络模型对测试集进行语义分割从而得到车辆的概率图与二值分割结果图；步骤4)、接着对分割结果图进行平滑滤波及去噪操作，去除因为语义分割中反卷积操作而造成的噪点和空洞；步骤5)、接着将去噪后的分割结果图映射回原图，对原图进行均值漂移语义分割从而得到均值漂移分割结果；步骤6)、最后将卷积神经网络模型的分割结果、均值漂移分割得到分割结果与卷积神经网络得到的前车概率图按照合并规则进行区域合并，从而实现弱对比度交通环境下的精细化前车分割。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长安大学，未经长安大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810925021.2/，转载请声明来源钻瓜专利网。
