[发明专利]一种基于优化交并比函数的道路抛洒物检测与识别方法

权利要求书

1.一种基于优化交并比函数的道路抛洒物检测与识别方法，其特征在于：包括如下步骤：

S1：搭建基于优化交并比函数的道路抛洒物检测与识别模型；

S2：采集道路交通监控视频并进行分帧处理生成道路抛洒物数据集，对道路抛洒物数据集中的图像按比例划分存储为测试集图像和训练集图像，对训练集图像进行标注，生成标签文件；

S3：将训练集全部图像和标签文件输入步骤S1的道路抛洒物检测与识别模型中进行训练，得到训练好的模型；

S4：将道路交通监控视频分帧处理得到的测试集图像输入训练好的道路抛洒物检测与识别模型进行检测识别，输出对于道路抛洒物的检测识别结果。

2.根据权利要求1所述的一种基于优化交并比函数的道路抛洒物检测与识别方法，其特征在于：所述步骤S1中基于优化交并比函数的道路抛洒物检测与识别模型的搭建方法包括如下步骤：

A1：构建基于空洞卷积优化的主干神经网络，主干神经网络通过对输入的训练集中的图像进行卷积得到输入图像中的特征图，提取出的特征图作为后续处理的输入；

A2：构建多尺度处理模块，使用特征金字塔网络FPN进行多尺度处理；

A3：构建基于优化交并比函数的目标检测与识别算法，目标检测与识别算法通过对经过多尺度处理的特征图进行目标检测与识别，得到边界框bounding box信息与目标的类别信息；

A4：构建掩膜分割分支：使用空间注意力引导掩膜生成空间注意力特征描述子，通过空间注意力引导特征去加强原始输入特征并对每一目标生成掩膜。

3.根据权利要求2所述的一种基于优化交并比函数的道路抛洒物检测与识别方法，其特征在于：所述步骤A3中基于优化交并比函数的目标检测与识别算法，由分类、边界框预测和中心度centerness三个分支构成。

4.根据权利要求1所述的一种基于优化交并比函数的道路抛洒物检测与识别方法，其特征在于：所述步骤A1具体为：主干神经网络使用残差网络ResNet50，残差卷积网络通过引入残差块，残差块的输入数据通过跳跃连接shortcut connection进行直接映射，同时将输入数据进行卷积操作并通过线性修正单元ReLU进行激活运算，输出残差部分，ResNet50包括1个7x7x64的输入卷积和16个残差块，最后有一层用于分类输出的全卷积层，其中每一残差块包含3层卷积层，卷积时采用空洞卷积的方法进行优化，设定卷积核扩张率为3，最终输出5个不同阶段的特征图C₁、C₂、C₃、C₄、C₅。

5.根据权利要求4所述的一种基于优化交并比函数的道路抛洒物检测与识别方法，其特征在于：所述步骤A2具体为：采用特征金字塔网络FPN进行多尺度处理，将经过主干神经网络卷积后得到的特征图C₃、C₄、C₅进行1×1卷积得到F₃、F₄、F₅，并将F₅、F₆再次进行步长为2的卷积得到F₆、F₇，输出5个阶段的特征图F₃、F₄、F₅、F₆、F₇。