[发明专利]一种基于空间特征聚合的道路目标检测识别方法

权利要求书

1.一种基于空间特征聚合的道路目标检测识别方法，包括：

将待测车道图输入训练好的道路目标检测模型，获得道路目标预测图；

其中，所述的道路目标检测模型包括特征提取器、特征融合模块、分类模块和上采样模块，所述的待测车道图输入特征提取器，获得第一特征图，所述的第一特征图输入特征融合模块，进行特征融合，获得第二特征图，所述的第二特征图输入分类模块，输出第二特征图上的道路目标预测位置，包含道路目标预测位置的第二特征图输入上采样模块，获得与待测车道图尺寸一致的道路目标预测图；

其特征在于，所述的特征融合过程包括：

对第一特征图X₁进行迭代融合，所述的迭代融合的计算公式为：

X₁^k+1＝L_k(R_k(U_k(D_k(X₁^k)))),k＝1,2,...,K

其中，X₁^k和X₁^k+1分别为第k次和第k+1次迭代获得的中间特征图，K为迭代总次数，M为第一特征图的长度或宽度，D_k、U_k、R_k和L_k分别为沿从上到下、从下到上、从右到左和从左到右方向上的空间聚合过程，最后一次迭代获得的中间特征图，作为第二特征图；

所述的空间聚合过程包括：

对第一特征图进行切片，获得若干行特征向量x；

根据卷积公式对特征向量x进行更新，所述的卷积公式为：

其中，x_i和x_i′分别表示进行更新前和更新后的第i行特征向量，f表示卷积运算，relu为激活函数；

沿着切片方向对更新后的所有特征向量进行平移，再通过卷积，利用更新后的特征向量，对与其空间位置对应的更新前的特征向量进行更新，完成一次卷积运算。

2.根据权利要求1所述的一种基于空间特征聚合的道路目标检测识别方法，其特征在于，所述的分类模块包括若干个分类单元，所述的分类模块的训练过程包括：

采集样本车道图，构成训练集，利用训练集训练分类模块中的各个分类单元。

3.根据权利要求2所述的一种基于空间特征聚合的道路目标检测识别方法，其特征在于，所述的第二特征图的纬度为C×h×w，所述的道路目标预测位置的获取过程包括：

在第二特征图上挑选出若干行预定义行，每个分类单元对应一行预定义行；

将每行预定义行分为w个单元格，以单元格为单位，预测每行预定义行中存在道路目标的单元格，进而获得第二特征图上的道路目标预测位置。

4.根据权利要求3所述的一种基于空间特征聚合的道路目标检测识别方法，其特征在于，所述的道路目标检测模型还包括分割模块；

训练分类模块的同时，所述的分割模块变换第二特征图的通道数，使第二特征图的通道数与道路目标数量相等；

所述的上采样模块对通道数变换之后的第二特征图进行上采样，获得与样本车道图尺寸一致的车道分割图，同时将通道数变换之后的第二特征图展开为一维向量，并经过全连接层处理，获得长度与道路目标数量相同的判断向量，所述的判断向量中的元素与道路目标一一对应，表示车道分割图中是否存在对应的道路目标，用1和0分别表示存在和不存在。

5.根据权利要求4所述的一种基于空间特征聚合的道路目标检测识别方法，其特征在于，训练分类模块的损失函数L_total的计算公式为：

L_total＝L_cls+αL_seg+βL_exist

其中，L_cls为分类单元的分类损失函数，L_seg和L_exist分别为分割模块的二元交叉熵损失和存在分类交叉损失，α和β为权重系数。