[发明专利]基于无Anchor机制检测网络的车辆跟踪模型建立方法

说明书

本发明公开了一种基于无Anchor机制检测网络的车辆跟踪模型建立方法，该方法依次由对输入图像进行图像处理、构建无Anchor机制检测网络并利用完成训练的检测网络确定跟踪车辆的状态信息、以及建立车辆跟踪模型以配合无Anchor机制神经网络对车辆实现实时跟踪建立三个步骤构成；该方法中图像处理步骤实现有效去除不相关背景信息，保留图像重要信息，无Anchor机制检测网络有效抑制了低质量边界框，获得与Anchor机制检测网络的水平相同的车辆跟踪框；进而该检测网路建立的车辆跟踪模型的处理速度优于目前深度学习的端到端的跟踪方法和单目标跟踪器的车辆跟踪方法，准确性优于位置预测的车辆跟踪方法。

技术领域

本发明涉及车辆跟踪技术领域，特别涉及一种基于无Anchor机制检测网络的车辆跟踪模型建立方法。

背景技术

智能网联汽车作为未来十年国家智能制造的重点领域，其关键在于在汽车上搭载各种先进的传感器、控制器、执行器等装置，并结合信息通讯技术，实现车内网、车外网、车际网的无缝链接，从而使得汽车具备信息共享、复杂环境感知、智能化决策、自动化协同等功能。

装备智能辅助驾驶系统的智能网联汽车的将提高80％的道路交通使用率，减少80％的交通事故发生率，事故造成的死亡率将减少90％，汽车二氧化碳排放量将减少20％。这一系列数字凸显了智能辅助驾驶系统将会在未来大大推动国家的发展，因此，智能辅助驾驶系统具有重要的研究意义。

车辆跟踪方面的研究存在三个方向：1)基于位置预测的车辆跟踪方法；2)基于单目标跟踪器的车辆跟踪方法；3)基于深度学习的端到端车辆跟踪方法。但是，在大量的研究中，也存在很多问题：1.第一种方法的跟踪效果极其依赖于检测算法与特征区分的效果；2.第二种方法为每一个目标都分配一个跟踪器，在多目标情况下实时性较低，且需要大量的计算资源；3.第三种方法包含较多的处理过程，模型较为复杂，速度极慢。因此，如何解决这些问题对于车辆跟踪具有关键意义。

发明内容

本发明的目的是提供一种针对目前车辆跟踪算法计算复杂、速度较慢但准确性高，速度较快但准确性低的问题的基于无Anchor机制检测网络的车辆跟踪模型建立方法。

为此，本发明技术方案如下：

一种基于无Anchor机制检测网络的车辆跟踪模型建立方法，步骤如下：

S1、将通过摄像头采集的输入图像进行处理，以得到突出输入图像中车辆部分的视觉显著图；

S2、构建无Anchor机制神经网络以对输入图像中的车辆采用车辆跟踪框的方式进行准确标记；具体实施步骤为：

S201、采用残差网络作为基础网络，并设定神经网络的运行机制为：残差网络读取输入图像后，将残差网络的后三层的特征图C₁、特征图C₂、特征图C₃分别与其上一层特征图进行融合，得到的新特征图与上一层级特征图进行横向连接的融合得到特征图P₁、特征图P₂、特征图P₃；其中，特征图P₃经过特征图C₃卷积操作获得，特征图C₂卷积操作结果与特征图P₃进行特征融合得到特征图P₂，特征图C₁卷积操作结果与特征图P₂进行特征融合得到特征图P₁；进而，特征图P₃进行卷积获得特征图P₄，特征图P₄卷积获得特征图P₅；