[发明专利]一种基于特征融合的小目标车辆属性识别方法

摘要

本发明涉及目标属性识别技术领域，提供一种基于特征融合的小目标车辆属性识别方法。首先构造基于特征融合的小目标车辆属性识别网络，包括特征金字塔网络、区域提名网络、小尺寸目标级联网络；然后将待检测交通图像输入特征金字塔网络，生成包含低层边缘细节信息、中层堆叠融合尺度信息、高层语义信息的特征图并对其堆叠融合，得到多尺度特征图；将多尺度特征图输入区域提名网络，生成包含目标的候选框；再将多尺度特征图与候选框同时输入小尺寸目标定位网络，输出目标坐标信息，根据该信息剪切目标；最后将剪切出的目标输入小尺寸目标分类网络，识别并输出目标及其类别。本发明能够提高对小尺寸目标属性识别的准确性、降低误识别率与漏识别率。

主权项

1.一种基于特征融合的小目标车辆属性识别方法，其特征在于，包括下述步骤：步骤1：构造基于特征融合的小目标车辆属性识别网络；所述基于特征融合的小目标车辆属性识别网络包括特征金字塔网络、区域提名网络、小尺寸目标级联网络；所述特征金字塔网络包括自底向上的路径、横向连接路径、自顶向下的路径；所述自底向上的路径为卷积神经网络的前向传播结构，所述自底向上的路径包括6层卷积核大小为3×3的卷积层及大小均为2×2的第一下采样层、第二下采样层；第一卷积层、第二卷积层均有64个卷积核，第三卷积层、第四卷积层均有128个卷积核，第五卷积层、第六卷积层均有256个卷积核，第一卷积层、第二卷积层、第一下采样层、第三卷积层、第四卷积层、第二下采样层、第五卷积层、第六卷积层依次连接；所述横向连接路径包括金字塔第一分支、金字塔第二分支、金字塔第三分支；所述金字塔第一分支包括依次连接的大小为2×2的第三下采样层、卷积核大小均为3×3的第七卷积层、第八卷积层；所述金字塔第二分支包括依次连接的卷积核大小均为3×3的第九卷积层、第十卷积层；所述金字塔第三分支包括依次连接的大小为2×2的上采样层、卷积核大小均为3×3的第十一卷积层、第十二卷积层；所述第三下采样层、第九卷积层、上采样层分别连接在第一卷积层、第三卷积层、第六卷积层之后，所述第七卷积层、第九卷积层、第十一卷积层的卷积核数量分别与第一卷积层、第三卷积层、第六卷积层的卷积核数量相同，所述第八卷积层、第十卷积层、第十二卷积层的卷积核数量分别为32、64、128；所述自顶向下的路径包括对金字塔第一分支、金字塔第二分支、金字塔第三分支输出的特征图的堆叠融合；所述区域提名网络包括卷积核数量为224且卷积核大小为3×3的第十三卷积层及区域提名网络分类分支、区域提名网络回归分支；所述区域提名网络分类分支包括依次连接的卷积核数量为18且卷积核大小为1×1的第十四卷积层和第一softmax分类器，所述区域提名网络回归分支包括卷积核数量为36且卷积核大小为1×1的第十五卷积层；所述第十三卷积层均与第十四卷积层、第十五卷积层连接；所述小尺寸目标级联网络包括小尺寸目标定位网络、小尺寸目标分类网络；所述小尺寸目标定位网络包括依次连接的7×7大小的ROI池化层和尺度均为4096的第一全连接层、第二全连接层，所述第二全连接层后接小尺寸目标定位网络分类分支、小尺寸目标定位网络回归分支，所述小尺寸目标定位网络分类分支包括依次连接的尺度为2的第三全连接层、第二softmax分类器，所述小尺寸目标定位网络回归分支包括尺度为8的第四全连接层；所述小尺寸目标分类网络包括依次连接的特征提取部分、分类部分；所述特征提取部分包括依次连接的卷积核数量为256且卷积核大小为5×5的第十六卷积层、大小为2×2的第四下采样层、卷积核数量为512且卷积核大小为5×5的第十七卷积层、大小为2×2的第五下采样层、数据重组reshape层、卷积核数量为8192且卷积核大小为1×1的第十八卷积层、尺度为300的第五全连接层，所述分类部分包括第三softmax分类器；其中，所述特征金字塔网络及小尺寸目标分类网络的卷积层的激活函数均为PReLU激活函数，所述区域提名网络及小尺寸目标分类网络的softmax层的损失函数均为Focal Loss损失函数；步骤2：将待检测交通图像输入所述特征金字塔网络中，金字塔第一分支、金字塔第二分支、金字塔第三分支分别生成包含低层边缘细节信息的特征图、包含中层堆叠融合尺度信息的特征图、包含高层语义信息的特征图，对包含低层边缘细节信息的特征图、包含中层堆叠融合尺度信息的特征图、包含高层语义信息的特征图进行堆叠融合，得到多尺度特征图；所述待检测交通图像为包括小尺寸目标的交通图像，目标为车辆；步骤3：将多尺度特征图输入所述区域提名网络中，生成包含目标的候选框；步骤4：将多尺度特征图与候选框同时输入所述小尺寸目标定位网络，输出待检测交通图像中目标的坐标信息；步骤5：根据目标的坐标信息，将待检测交通图像中的目标剪切出来；步骤6：将剪切出的目标输入到所述小尺寸目标分类网络中，所述特征提取部分对所述目标进行特征提取，所述第三softmax分类器对目标进行分类，识别并输出待检测交通图像中的目标及目标的类别。