[发明专利]交通目标识别模型训练方法、交通目标定位方法、装置

权利要求书

1.一种交通目标识别模型训练方法，其特征在于，所述方法包括：

获取训练样本集，所述训练样本集包括多个交通目标的训练样本；

将每个所述交通目标的训练样本输入到预先构建的交通目标识别网络中，对所述交通目标识别网络进行训练，获得训练好的交通目标特征识别模型；

其中，所述预先构建的交通目标识别模型，包括第一沙漏网络模型和第二沙漏网络模型；所述第一沙漏网络模型包括所述第一损失函数计算层，所述第二沙漏网络模型包括第二损失函数计算层。

2.根据权利要求1所述的方法，其特征在于，所述获取训练样本集，包括：

获取多个包括所述交通目标的原始图像；

确定每个所述原始图像中的交通目标，获得第一预处理原始图像；

对每个所述第一预处理原始图像进行尺度变化处理，获得所述交通目标的训练样本。

3.根据权利要求2所述的方法，其特征在于，所述对每个所述第一预处理原始图像进行尺度变化处理，获得所述交通目标的训练样本，还包括：

对尺度变化处理后的所述第一预处理原始图像进行数据增强处理，获得预处理后的训练图像；

将所述处理后的训练图像作为所述交通目标的训练样本。

4.根据权利要求1-3任意一项所述的方法，其特征在于，所述将每个所述交通目标的训练样本输入到预先构建的交通目标识别网络中，包括：

通过可分离空间可分离卷积，对所述交通目标的训练样本进行下采样，获得下采样后的交通目标的训练样本；

将下采样后的交通目标的训练样本输入到所述预先构建的交通目标识别网络中。

5.根据权利要求1所述的方法，其特征在于，所述预先构建的交通目标识别网络相邻的卷积层之间采用可变性卷积。

6.根据权利要求1所述的方法，其特征在于，所述对所述交通目标识别网络进行训练，获得训练好的交通目标特征识别模型，包括：

获取所述交通目标识别网络输出的交通目标特征识别图；

根据预先设置的验证样本集，确定所述交通目标特征识别图的损失函数值，其中，所述验证样本集包括多个对应所述交通目标的训练样本的验证样本；

当所述损失函数值满足预设训练停止条件时，获得训练好的交通目标识别模型。

7.根据权利要求6所述的方法，其特征在于，所述根据预先设置的验证样本集，确定所述交通目标特征识别图的损失函数值，包括：

获取所述交通目标特征识别图的偏移损失函数值和所述交通目标特征识别图中每个关键点的焦点损失函数值；

根据所述偏移损失函数值和每个所述焦点损失函数值，确定所述交通目标特征识别图的损失函数值。

8.一种交通目标定位方法，其特征在于，所述方法包括：

获取待识别图像和图像获取设备的姿态信息，其中，所述图像获取设备用于获取所述待识别图像；

将所述待识别图像输入交通目标识别模型，获得第一交通目标识别图像，其中，所述交通目标识别模型基于权利要求1-7任意一项所述的交通目标识别模型训练方法得到；

获取所述第一交通目标识别图像中的至少一个识别中心点的第一像素坐标；

根据所述第一像素坐标和所述姿态信息，确定每个所述识别中心点的实时位置信息。

9.根据权利要求8所述的方法，其特征在于，在所述获取所述第一交通目标识别图像中的至少一个识别中心点的第一像素坐标之前，所述方法还包括：

获取所述第一交通目标识别图像中的所有响应点的响应值；以及

每个所述响应点的临近点的临近值；

根据所述响应值和所述临近值，提取满足预设提取规则的响应点作为所述第一交通目标识别图像中的识别中心点，其中，所述识别中心点的数量至少为一个。