[发明专利]基于单目相机的障碍物检测方法及系统

说明书

本发明应用于轨道交通技术领域，公开了一种基于单目相机的障碍物检测方法及系统，障碍物检测方法包括：步骤S1：通过单目相机进行图像采集获得多个图像，并将多个图像划分为多个数据集，根据多个数据集构建训练集、验证集和测试集；步骤S2：通过k‑means方法对训练集进行聚类，获得障碍物目标的宽高比；步骤S3：根据多个数据集及障碍物目标的宽高比对YOLOv3网络模型进行训练；步骤S4：将实时图像输入至训练好的YOLOv3网络模型进行障碍物检测。通过使用改进的k‑means方法进行聚类及YOLOv3网络模型，进行轨道交通路口下行人车辆等障碍物目标的检测，具有较高的实时性及准确性。

技术领域

本发明属于轨道交通技术领域，特别涉及一种基于单目相机的障碍物检测方法及系统。

背景技术

在轨道交通路口的监控场景中，行人和车辆等障碍物的检测是一项基础而关键的内容。通过对道路监控场景中的行人和车辆进行检测，可以有效获取当前监控场景的信息，从而进行入侵物报警等目的。

道路监控场景中行人与车辆的单目视觉检测方法主要有差分法和光流法、基于LBP、Haar等手工特征、基于两阶段神经网络等。差分法和光流法是利用目标的运动信息进行检测，无法对静止目标进行检测。基于LBP、Haar等手工特征的方法是对图像进行预先设计的特征的提取，并设计分类器进行检测，该方法依赖于特征的选取，检测率不高。

目前常用的检测方法为基于两阶段神经网络的检测方法，使用两阶段神经网络，采用卷积神经网络对图片进行特征提取。网络分为两个部分，先通过选择性搜索算法或构建区域建议网络(RPN)，生成区域建议窗口，提取可能含有行人、车辆等目标的区域，再利用检测网络，对目标区域进行判别和分类，该方法具有较高的检测精度，但在检测速度上难以达到实时性的要求。

因此急需开发一种克服上述缺陷的基于单目相机的障碍物检测方法及系统。

发明内容

针对上述问题，本发明提供一种基于单目相机的障碍物检测方法，其中，包括：

步骤S1：通过单目相机进行图像采集获得多个图像，并将多个所述图像划分为多个数据集，根据多个所述数据集构建训练集、验证集和测试集；

步骤S2：通过k-means方法对所述训练集进行聚类，获得障碍物目标的宽高比；

步骤S3：根据多个所述数据集及所述障碍物目标的宽高比对YOLOv3网络模型进行训练；

步骤S4：将实时图像输入至训练好的所述YOLOv3网络模型进行障碍物检测。

上述的障碍物检测方法，其中，于所述步骤S1中包括：

步骤S11：于不同时段通过所述单目相机进行图像采集获得多个图像，将所述多个图像划分为多个所述数据集；

步骤S12：对每一所述数据集进行图像筛选；

步骤S13：对筛选后的所述数据集的每一所述图像进行标注并记录图像中障碍物目标的信息；

步骤S14：去除所述图像的相关性，根据一比例系数将所述图像划分为所述训练集、所述验证集和所述测试集。

上述的障碍物检测方法，其中，于所述步骤S2中包括：

步骤S21：根据所述训练集中的每一类别的所述障碍物目标的信息，获得所述障碍物目标的矩形框的高度和宽度；

步骤S22：针对每一类别的所述障碍物目标设置一第一聚类中心，计算所述训练集中每一点与所述第一聚类中心所构成的矩形框的最大交并比，根据所述最大交并比的所述第一聚类中心获得交并比和，并根据所述交并比和获得多个第二聚类中心；