[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

说明书

本发明公开了一种基于优化交并比函数的道路抛洒物检测与识别方法，包括如下步骤：搭建基于优化交并比函数的道路抛洒物检测与识别模型；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，对训练集图像进行标注，生成标签文件；将训练集全部图像和标签文件输入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；将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。本发明能够在复杂道路交通背景下对道路抛洒物进行检测和识别，能够输出道路抛洒物位置信息、类别信息以及大致形状特征，对于小目标有较好的检测识别效果，检测速度快、识别精度高。

技术领域

本发明涉及深度学习及计算机视觉的技术领域，具体涉及一种基于优化交并比函数的道路抛洒物检测与识别方法。

背景技术

随着人工智能技术的飞速发展，深度学习与计算机视觉领域的技术越来越多的应用到了现代化城市管理当中。道路抛洒物事件作为道路交通常见的事件具有一定的风险，严重时会导致交通事故的发生。常见的道路抛洒物如石块、掉落的废旧纸箱、渣土沙砾、废旧抛洒布等物品不易被车辆驾驶者发现，其中多数尺寸较小，不易被及时检测和排除，同时道路交通环境相对复杂，这也增加了抛洒物检测的难度。目前，计算机视觉中的实例分割技术已经被广泛用于自动驾驶、医疗图像处理、卫星图像等领域。由此，设想实例分割也可被应用于城市道路交通事件检测中。

我国对于道路交通事件检测这一领域的研究开始较晚，现有的道路抛洒物检测与识别方法多是基于传统图像处理算法，主要包括帧间差分法、光流法、特征提取法等方法。这些方法都存在着不可避免的缺陷，例如识别准确率低，实时性较差，对于小尺寸目标的识别情况不好，可扩展性差。

所以，需要一个新的技术方案来解决这些问题。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于优化交并比函数的道路抛洒物检测与识别方法，其以监控摄像头采集包含道路交通抛洒事件的视频，通过神经网络模型训练的方式得到基于优化交并比函数的道路抛洒物检测与识别模型，成本较低，实现方式简便，同时本发明方法在小尺寸目标的检测和识别上效果较好，可以达到实时运行的效果，能够在对道路抛洒物检测和识别基础上进行道路抛洒物的掩膜分割，可以输出道路抛洒物类别信息、位置信息与大致形状特征，具有识别精度高、可扩展性强、抗复杂道路交通环境干扰性强的特点。

技术方案：为实现上述目的，本发明提供一种基于优化交并比函数的道路抛洒物检测与识别方法，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json格式的标签文件；

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。

进一步的，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；在进行道路抛洒物检测识别的场景中，使用FPN能发挥其多尺度识别的优势，在很大程度上缓解模糊性。

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；