首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于深度学习的复杂交通场景下的动态目标检测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:成都航空职业技术学院;成都智能网联汽车科技发展有限公司

摘要:本发明公开了一种基于深度学习的复杂交通场景下的动态目标检测方法,涉及目标检测技术领域,包括以下步骤:S1、利用自动驾驶汽车的摄像头拍摄交通行驶图像;S2、提取交通行驶图像的左节点、右节点、上节点和下节点,提取交通行驶图像的行驶观测量;S3、构建交通目标检测模型,将交通行驶图像的行驶观测量作为交通目标检测模型的输入,生成动态目标检测结果。该动态目标检测方法便于自动驾驶汽车对目标检测结果做出及时避让处理,提高自动驾驶的安全性,减少交通事故发生。

主权项:1.一种基于深度学习的复杂交通场景下的动态目标检测方法,其特征在于,包括以下步骤:S1、利用自动驾驶汽车的摄像头拍摄交通行驶图像;S2、提取交通行驶图像的左节点、右节点、上节点和下节点,提取交通行驶图像的行驶观测量;S3、构建交通目标检测模型,将交通行驶图像的行驶观测量作为交通目标检测模型的输入,生成动态目标检测结果;所述S2包括以下子步骤:S21、将交通行驶图像最左侧边缘的中点所在像素点作为左节点,将交通行驶图像最右侧边缘的中点所在像素点作为右节点,将交通行驶图像顶部边缘的中点所在像素点作为上节点,将交通行驶图像底部边缘的中点所在像素点作为下节点;S22、根据左节点、右节点、上节点以及下节点,为交通行驶图像构建边缘场布函数;S23、设定滑动窗口,对交通行驶图像进行遍历,得到窗口观测量;S24、利用边缘场布函数和窗口观测量生成交通行驶图像的行驶观测量;所述S22中,交通行驶图像的边缘场布函数E的表达式为: ;式中,c表示常数,Ur表示左节点的R通道值,Vr表示右节点的R通道值,Xr表示上节点的R通道值,Yr表示下节点的R通道值,Ug表示左节点的G通道值,Vg表示右节点的G通道值,Xg表示上节点的G通道值,Yg表示下节点的G通道值,Ub表示左节点的B通道值,Vb表示右节点的B通道值,Xb表示上节点的B通道值,Yb表示下节点的B通道值,max(·)表示最大值函数;所述S23中,窗口观测量γ的计算公式为: ;式中,表示滑动窗口第h次滑动时第k个像素点的R通道值,表示滑动窗口第h次滑动时第k个像素点的G通道值,表示滑动窗口第h次滑动时第k个像素点的B通道值,表示滑动窗口第h+1次滑动时第k个像素点的R通道值,表示滑动窗口第h+1次滑动时第k个像素点的G通道值,表示滑动窗口第h+1次滑动时第k个像素点的B通道值,K表示滑动窗口每次滑动时包含的像素点数量,H表示滑动窗口的滑动次数;所述S24中,交通行驶图像的行驶观测量ε的计算公式为: ;式中,γ表示窗口观测量,E表示交通行驶图像的边缘场布函数。

全文数据:

权利要求:

百度查询: 成都航空职业技术学院 成都智能网联汽车科技发展有限公司 一种基于深度学习的复杂交通场景下的动态目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术