[发明专利]一种基于轻量神经网络的实时目标检测系统及检测方法

权利要求书

1.一种基于轻量神经网络的实时目标检测系统，其特征在于，包括视频流数据采集模块、神经网络训练模块、图像处理与检测模块、检测结果反馈模块；

视频流数据采集模块：采集车辆正前方道路的路况图像信息，将采集到的视频流以帧为单位通过数据线传输到图像处理与检测模块，供其进行下一步处理；

神经网络训练模块：选定合适的轻量神经网络对需要检测的目标物体使用数据集进行调参，训练，最终生成相应的网络权重模型；利用验证数据集对模型进行评估与选择，并选择出最优的网络权重模型；使用测试数据集来测试选出的网络模型的识别精度，以测试误差作为泛化误差的近似；

图像处理与检测模块：在嵌入式硬件平台上预先部署相应的轻量神经网络架构，并将在神经网络训练模块中训练得到的神经网络权重移植到本模块的硬件平台上；将视频流数据采集模块传输过来的图像送入轻量神经网络中，神经网络在权重文件的配置下对该图像进行物体种类识别和边框定位；检测结果将被输入检测结果反馈模块；

检测结果反馈模块：在此模块中会将获得的检测结果通过输入输出设备以视频流的形式进行展示；

其中，所述的神经网络训练模块中，在具有大显存，高计算能力的并行GPU计算平台上利用训练集对轻量神经网络进行快速迭代训练；从而尽快得到神经网络模型，再利用验证数据集验证得到最优的网络模型；将该神经网络和网络模型移植到图像处理与检测模块的嵌入式硬件平台，并将该硬件平台部署于无人车上，即可作为数据的中央处理单元。

2.根据权利要求1所述的一种基于轻量神经网络的实时目标检测系统，其特征在于：所述的视频流数据采集模块中，选用高清工业相机固定于车辆顶部，镜头正对道路前方。

3.根据权利要求1所述的一种基于轻量神经网络的实时目标检测系统，其特征在于：对于轻量的卷积神经网络的选择，需选择当前主流优秀的实时检测算法，且应使嵌入式平台能满足该算法的运行环境。

4.利用权利要求3所述的基于轻量神经网络的实时目标检测系统的检测方法，其特征在于，包括以下步骤：

步骤1、在具有大显存，高计算能力的并行GPU计算平台上用2D交通道路数据集对轻量高速神经网络设定相关超参数，并进行训练，经过合适迭代次数后得到该神经网络在此数据集下的权重模型；

步骤2、使用额外的2D交通道路验证集对步骤1中得到的权重模型进行验证测试，并挑选出最优的网络权重模型；

步骤3、将轻量神经网络和步骤2中获得的最优网络权重模型移植到移动嵌入式平台，使用多张道路图片和相关的道路行车视频对这一检测系统进行测试，确定在单张图片和视频流上系统能检测出目标物体；

步骤4、将工业相机和步骤3中的移动嵌入式平台使用数据线连接，并接通电源；

步骤5、将工业相机中读取的视频流以帧为单位传入神经网络中进行卷积运算与检测；这一过程需同时保持工业相机的采集帧率最大；

步骤6、查看输出设备中的工业相机读取的视频流图像是否成功被神经网络读入、检测并反馈结果；

步骤7、在步骤6的基础上，将移动嵌入式设备，工业相机，输入输出设备部署到无人车上，使用车辆蓄电池对整套系统进行供电，并将工业相机固定于车辆顶部，镜头朝向正前方，确保视野开阔；

步骤8、车辆开动，并达到高速行驶状态，目标检测系统能实时检测出道路上的车辆，行人，交通标志。