[发明专利]道路目标检测方法、装置及存储介质

权利要求书

1.一种基于中心点的道路目标检测方法，其特征在于，包括如下步骤：

获取历史道路图像数据，并进行图像预处理；

基于预处理后的道路图像进行锚点计算和高斯散射核编码，获得道路图像的训练样本集合；

利用训练样本集合对预先构建的CNN网络进行训练，获得训练好的CNN网络模型；

利用训练好的CNN网络模型处理待检测道路图像，获得待检测道路图像的关键点热力图和目标大小回归值；

根据关键点热力图和目标大小回归值获得道路目标检测结果。

2.根据权利要求1所述的一种基于中心点的道路目标检测方法，其特征在于，所述图像预处理的具体操作如下：

获取历史道路图像数据，所述历史道路图像数据包括多幅历史道路图像和每幅历史道路图像对应的目标类别；

对历史道路图像进行数据标注，确定每一幅历史道路图像的标注框，获得标注图像；

对标注图像进行数据增广处理，获得预处理后的道路图像。

3.根据权利要求2所述的一种基于中心点的道路目标检测方法，其特征在于，针对任一幅预处理后的道路图像，锚点计算和高斯散射核编码的具体操作如下：

以预处理后的道路图像的左下角为坐标原点，建立图像坐标系；

根据预处理后的道路图像的标注框计算其真实关键点的坐标：

其中，P表示真实关键点的坐标，P_x为真实关键点的横坐标，P_y为真实关键点的纵坐标，(x₁,y₁)为标注框左上角的像素点的坐标，(x₂,y₂)为标注框右下角的像素点的坐标；

根据预处理后的道路图像的标注框获取目标感知中心区域；

基于真实关键点的坐标，利用高斯散射核计算目标感知中心区域中的所有像素点的类别标签：

其中，表示目标感知中心区域中第i个像素点的类别标签，(x_i,y_i)为目标感知中心区域中第i个像素点的坐标，δ_p为目标感知中心区域的尺寸标准差，i＝1,2,…,n，n为目标感知中心区域中的像素点个数。

4.根据权利要求1所述的一种基于中心点的道路目标检测方法，其特征在于，CNN网络训练的具体操作如下：

(1)获取预先构建的CNN网络，并初始化网络参数；

(2)利用CNN网络对训练样本集合中的每个图像训练样本进行下采样处理，获得对应的下采样图像；

(3)针对每一个下采样图像，根据CNN网络的下采样因子计算下采样图像的关键点坐标和下采样图像的像素点类别标签，其中，下采样图像的关键点坐标的计算公式如下：

其中，表示下采样图像的关键点的坐标，P表示图像训练样本中真实关键点的坐标，R为下采样因子；

(4)基于历史道路图像数据中的目标类别、下采样图像的关键点坐标、像素点类别标签，利用CNN网络的损失函数计算网络损失，并通过损失反向传递更新CNN网络的网络参数；

(5)重复步骤(2)～(4)，直到网络损失收敛，获得训练好的CNN网络模型。

5.根据权利要求1所述的一种基于中心点的道路目标检测方法，其特征在于，所述关键点热力图和目标大小回归值的获取过程如下：

根据待检测道路视频获得待检测道路图像；

利用训练好的CNN网络模型处理待检测道路图像，获得待检测道路图像中每个目标的道路目标特征图，并通过前向传递获得每个目标类别对应的关键点热力图，关键点热力图中包括该目标类别下的所有目标；

根据道路目标特征图的峰值点获得目标大小回归值，即目标的宽度和高度。