[发明专利]一种基于轻量化YOLOv3的车辆和车牌检测及长短焦融合测距方法

权利要求书

1.一种基于轻量化YOLOv3的车辆和车牌检测及长短焦融合测距方法，其特征在于，包括如下步骤：

S1，建立车辆和车牌数据集

S2，设计轻量化YOLOv3网络

所述轻量化YOLOv3网络从输入到输出依次是卷积层conv0，最大池化层Maxpool，轻量层Shuffle1、轻量层Shuffle2×3、轻量层Shuffle1、轻量层Shuffle2×7、轻量层Shuffle1、轻量层Shuffle2×3，卷积层1×1conv、卷积层conv1、卷积层conv2，上采样层upsample1，卷积层conv3、卷积层conv4、卷积层conv5、卷积层conv6，上采样层upsample2，卷积层conv7、卷积层conv8、卷积层conv9、卷积层conv10、卷积层conv11；

S3，训练轻量化YOLOv3网络

S4，车辆和车牌检测及长短焦融合测距

S4.1，短焦摄像头采集前方道路图像，利用轻量化YOLOv3网络检测前方道路图像中车辆和车牌；

S4.2，跟踪前方车辆，如果车辆首次被跟踪，则执行S4.3，否则执行S4.6；

S4.3，如果被跟踪的车辆像素宽度小于阈值，执行S4.4，否则执行S4.5；

S4.4，长焦摄像头检测被跟踪车辆，寻找与车辆匹配的车牌，并计算实际车宽；

S4.5，寻找与车辆匹配的车牌，计算实际车宽；

S4.6，计算被跟踪车辆与自车的距离。

2.根据权利要求1所述的基于轻量化YOLOv3的车辆和车牌检测及长短焦融合测距方法，其特征在于，所述S2中轻量化YOLOv3网络输出三个张量14×14×Z、28×28×Z、56×56×Z，其中Z＝5×B+C，B表示候选框的数量，C表示检测特征的个数。

3.根据权利要求1所述的基于轻量化YOLOv3的车辆和车牌检测及长短焦融合测距方法，其特征在于，所述S2中轻量化YOLOv3网络中的轻量层Shuffle1将网络当前层复制成两个通道，通道1依次为卷积层1×1conv、卷积层DWconv、卷积层1×1conv，通道2依次为卷积层DWconv、卷积层1×1conv，最后将两个通道合并；轻量层Shuffle2将网络当前层切片为两个通道，通道1依次为卷积层1×1conv、卷积层DWconv、卷积层1×1conv，通道2不进行卷积操作，最后将两个通道合并；轻量层Shuffle1和轻量层Shuffle2连接时进行通道分组操作。

4.根据权利要求2所述的基于轻量化YOLOv3的车辆和车牌检测及长短焦融合测距方法，其特征在于，所述S3中训练轻量化YOLOv3网络至损失函数小于阈值，所述损失函数为：

其中，S²表示每张图的单元格数量，表示第i个单元格中的第j个候选框里是否包含目标；λ_coord、λ_obj、λ_noobj和λ_class分别为目标包围框的权重、目标的权重、背景的权重和目标类别的权重，表示检测目标框的中心点坐标，表示检测目标框的宽高，表示检测目标的置信度，表示检测目标的类别概率，x_i、y_i表示真实目标框的中心点坐标，w_i、h_i表示真实目标框的宽高。

5.根据权利要求1所述的基于轻量化YOLOv3的车辆和车牌检测及长短焦融合测距方法，其特征在于，所述S4.4的具体过程为：长焦摄像头采集当前视频帧，检测当前视频帧中的车辆和车牌，寻找与S4.2中被跟踪车辆相匹配的车辆，以及与车辆匹配的车牌，计算实际车宽。