[发明专利]基于YOLO及RGB图像的人车距离估计方法

权利要求书

1.一种基于YOLO及RGB图像的人车距离估计方法，其特征在于，具体步骤为：

步骤1：获取用于目标测距的图像；

步骤2：构建基于YOLO的深度学习卷积网络模型；

步骤3：对基于YOLO的深度学习卷积网络模型进行训练，将步骤1获取的用于目标测距的图像输入训练好的深度学习卷积网络模型进行目标检测，识别出图像中的人车目标，获取目标候选框；

步骤4：采集人车RGB图像并进行标定，获得距离与像素高度差间关联关系的先验知识；

步骤5：采用基于先验知识的投影反演方法对目标候选框中的目标进行距离估计，得到目标与RGB相机的距离。

2.根据权利要求1所述的基于YOLO及RGB图像的人车距离估计方法，其特征在于，所述深度学习卷积网络模型采用YOLOv3模型。

3.根据权利要求1所述的基于YOLO及RGB图像的人车距离估计方法，其特征在于，所述深度学习卷积网络模型对图片的处理过程为：

将输入的图片划分为网格；

每个网格预测8个边界框以及对应的置信度分数，每个预测的边界框包括：边界框中心点的坐标、边界框的宽和高以及置信度。

4.根据权利要求3所述的基于YOLO及RGB图像的人车距离估计方法，其特征在于，置信度的计算公式为：

式中，若网格中并不存在指定目标，Pr(Object)＝0；若存在任一目标的中心落在网格中，则Pr(Object)＝1，为预测目标框面积与真实目标框面积之间的交并比。

5.根据权利要求4所述的基于YOLO及RGB图像的人车距离估计方法，其特征在于，当Pr(Object)＝1时，每个预测边框中出现在网格中的指定拟合类别的物体i的置信度Confidence(i)为：

式中，Pr(Classi|Object)为第i类物体中心存在网格中的概率。

6.根据权利要求1所述的基于YOLO及RGB图像的人车距离估计方法，其特征在于，采集人车RGB图像并进行标定，获得距离与像素高度差间关联关系的先验知识的具体方法为：

(1)采集含有人车目标的道路场景视频，对采集到的视频信息进行分帧处理，得到RGB图像；

(2)对RGB图像进行标定，标定内容包括被检测目标的边界框像素高度，被检测目标的边界框类别信息，被检测目标的深度信息；

(3)按照以上步骤对人车两类目标进行标定，获得距离与像素高度差间关联的先验知识。

7.根据权利要求1所述的基于YOLO及RGB图像的人车距离估计方法，其特征在于，采用基于先验知识的投影反演方法对目标候选框中的目标进行距离估计，得到目标与RGB相机的距离的具体方法为：

h1为场景中人物高度，H1为相机拍下场景的最大高度，D1为人物距离镜头的距离，h2为人物投影到相片上的高度，H2为场景投影到相片上的最大高度；

当人物身高固定，根据相似三角形可知：

则：

D1＝D2×propotion×α

α为通过先验知识获得的参数，D2为相机焦距；

令D2×α＝γ，则只要知道γ和propotion，即可求出人物距离镜头的距离；

物体与镜头的距离为其中j为图像中第j帧，i为图像中第i个物体，共有k帧，每一帧有n个检测物体；

图像分辨率为High×Width，第j帧第i个物体的候选框大小为则：

通过对不同样本进行训练，得到不同下对应的γ，找到γ与的关系，求出不同环境下γ的变化，得到目标物体与镜头的距离。