[发明专利]一种基于特征维度融合的道路多目标识别系统及方法

权利要求书

1.一种基于特征维度融合的道路多目标识别系统，其特征在于，包括：

全卷积网络单元，用于提取道路场景图像的特征；

目标位置回归单元，用于对通过所述全卷积网络单元提取到的特征进行初步的目标位置预测；

对称式融合网络单元，用于融合道路场景图像的外观特征；

区域位置热图单元，将通过所述对称式融合网络单元融合后得到的特征利用区域位置热图表示空间信息，提高定位精度；

融合单元，用于将所述目标位置回归单元输出的初步的目标位置预测结果与所述区域位置热图单元输出的热图进行融合，得到最终的检测结果。

2.根据权利要求1所述的基于特征维度融合的道路多目标识别系统，其特征在于，所述对称式融合网络单元包括编码器、解码器以及特征融合模块；

所述编码器，用于将所述对称式融合网络单元提取到的外观特征逐渐降低维度，提取更深层次的视觉特征；

所述解码器，用于逐步修复上述视觉特征的细节和空间维度；

所述特征融合模块，用于将编码器提取的更深层次的视觉特征与将解码器修复后的特征进行融合。

3.根据权利要求2所述的基于特征维度融合的道路多目标识别系统，其特征在于，所述编码器和解码器之间通过跨层连接实现不同视觉层次的特征图的融合。

4.根据权利要求1所述的基于特征维度融合的道路多目标识别系统，其特征在于，所述区域位置热图单元利用卷积层的输出结果生成热力图，其损失目标函数定义为：

其中，H_target表示ground truth的热图矢量，H_pred表示对称式融合网络单元输出的预测矢量。

5.一种基于特征维度融合的道路多目标识别方法，其特征在于，包括如下步骤：

步骤S1：将道路场景图像缩放到统一尺寸；

步骤S2：将步骤S1统一尺寸后得到的测试图像，输入到已通过训练集训练后的全卷积网络单元，并提取最后一个全连接层的输出向量作为该图像的高层语义特征；经过全卷积网络单元，提取得到4096维的特征向量；通过目标位置回归单元对提取到的4096维特征向量进行初步的目标位置预测；

步骤S3：将步骤S1统一尺寸后得到的测试图像，输入到带有编码器-解码器结构的对称式融合网络单元，编码器逐渐减少特征空间的维度，提取得到1024维的特征向量；

步骤S4：将步骤S3得到的特征向量送入解码器，逐步提取特征，得到更多的目标细节；

步骤S5：将步骤S3和步骤S4提取到的特征向量通过特征融合模块进行逐层融合，得到显著特征描述向量；

步骤S6：将步骤S5得到的显著特征描述向量利用区域位置热图表示空间信息；

步骤S7：将步骤S2得到的预测位置信息和步骤S6得到的热图通过融合单元进行融合，得到最终的检测结果。