[发明专利]基于度量学习与SSD网络的畸变行车视频车辆检测方法

权利要求书

1.基于度量学习与SSD网络的畸变行车视频车辆检测方法，其特征在于，包括以下步骤：

步骤1：获取ImageNet、KITTI、COCO数据集中的车辆数据，制作车辆数据库B；根据录制的20段不同路段场景下的畸变行车视频，制作畸变车辆数据库A：

步骤2：搭建基于度量学习和SSD算法(MLSSD)的深度学习网络框架；

步骤3：MLSSD算法的训练过程。

2.根据权利要求1所述的基于度量学习与SSD网络的畸变行车视频车辆检测方法，其特征在于：

步骤1具体如下：

基于ImageNet、KITTI、COCO数据库筛选出有车辆目标的图片与对应标签，组成车辆数据库B；

使用录制的20段不同场景的畸变行车视频每隔20帧保存1帧作为待用畸变车辆数据集图片，并对这些图片进行标注，获得畸变车辆数据集A。

3.根据权利要求1所述的基于度量学习与SSD网络的畸变行车视频车辆检测方法，其特征在于：

步骤2具体包括：搭建度量学习分类网络框架，搭建SSD深度学习网络框架，建立MLSSD网络的损失函数。

4.根据权利要求3所述的基于度量学习与SSD网络的畸变行车视频车辆检测方法，其特征在于：

所述搭建度量学习分类网络框架具体处理步骤如下：

a：使用VGG网络的Conv 5-3及其之前网络层作为基础网络；

b：在Conv 4-3层和Conv 5-3层使用非冗余样本获得法获取非冗余的车辆样本和背景样本；

c：使用多尺度重叠分块池化的方法，将步骤4-2中获得的不同大小的样本特征图转化为相同的特征向量；

d：度量学习分类网络通过两个损失函数来调节网络参数，即度量损失L_metric、分类损失L_cls，通过建立整体的损失函数L_MLC＝a L_cls+(1-a)L_cls来训练网络。

5.根据权利要求4所述的基于度量学习与SSD网络的畸变行车视频车辆检测方法，其特征在于，步骤b中所述的获得非冗余的车辆样本和背景样本包括以下处理步骤：

a：在Conv 4-3层和Conv 5-3层，通过RPN的方法，可以得到大量的车辆样本边界框和背景样本边界框；

b：对于车辆样本，选出与Ground Truth有最大IOU的车辆样本边界框O，计算其他车辆样本与车辆样本O之间的IOU，删除IOU大于0.5的车辆样本，将O保留并标记为非冗余目标样本，从未处理的车辆样本中重新选出与Ground Truth有最大IOU的下一个O，重复直到所有的样本均被处理，最终，可以得到非冗余的车辆样本；

c：对于背景样本，选出有最大面积的背景样本B，计算其他背景样本与背景样本B之间的IOU，删除IOU大于0的背景样本，将B保留并标记为非冗余的背景样本，从未处理的背景样本中重新全出下一个面积最大的背景样本B，重复知道所有的样本均被处理，最终，可以得到非冗余的背景样本。