[发明专利]单目视觉下的三维目标检测模型的构建方法及检测方法

权利要求书

1.一种单目视觉下的三维目标检测模型的构建方法，其特征在于，包括：

获取带标注的训练图像集；

将所述训练图像集作为训练数据，训练获得基于CenterNet网络的三维目标检测模型，其中，所述三维目标检测模型的特征提取网络包括多个特征提取模块，至少一个所述特征提取模块包括池化模块、注意模块以及第一融合模块，所述池化模块包括并列的全局最大池化层、全局平均池化层和随机池化层，所述注意模块包括分别与所述全局最大池化层、所述全局平均池化层和所述随机池化层的输出侧连接的三个子注意模块，所述子注意模块包括激活函数层及批处理归一化层，所述第一融合模块将三个所述子注意模块的输出融合；

所述三维目标检测模型的特征提取网络为残差网络，所述特征提取模块还包括设置于所述第一融合模块输出侧的激活函数模块和第二融合模块，所述第一融合模块输出的特征经所述激活函数模块处理后，与输入所述特征提取模块的初始特征在所述第二融合模块融合，融合获得的特征图作为所述特征提取模块的输出特征图。

2.如权利要求1所述的单目视觉下的三维目标检测模型的构建方法，其特征在于，所述特征提取网络还包括多个连续的反卷积模块，多个所述反卷积模块设置在所述特征提取模块的输出侧。

3.如权利要求2所述的单目视觉下的三维目标检测模型的构建方法，其特征在于，所述三维目标检测模型还包括设置在所述反卷积模块的输出侧的采样输出模块，所述采样输出模块包括热力图输出分支、目标三维中心输出分支、三维尺寸输出分支和方位角输出分支。

4.如权利要求3所述的单目视觉下的三维目标检测模型的构建方法，其特征在于，所述三维目标检测模型还包括设置在所述采样输出模块的输出侧的参数回归模块，所述参数回归模块用于合并所述采样输出模块包括的四个输出分支。

5.如权利要求1所述的单目视觉下的三维目标检测模型的构建方法，其特征在于，所述三维目标检测模型采用尺度不变IOU损失函数进行训练，损失函数表达式如下：

L_det＝L_k+γL_IOU，

其中，L_det指损失函数，L_k指热力图损失，L_IOU指交并比损失，γ指交并比损失权重，Intersrction(box1，box2)指box1与box2相交的部分，Union(box1，box2)指box1与box2相并的部分。

6.如权利要求1所述的单目视觉下的三维目标检测模型的构建方法，其特征在于，所述训练图像集包括随机水平翻转处理后的图像。

7.如权利要求1所述的单目视觉下的三维目标检测模型的构建方法，其特征在于，所述特征提取网络包括五层特征提取模块，所述池化模块、所述注意模块以及所述第一融合模块设置于第四层特征提取模块。

8.一种单目视觉下的三维目标检测方法，其特征在于，包括：

获取待检测图像；

将所述待检测图像输入至如权利要求1至7任一项所述的单目视觉下的三维目标检测模型的构建方法所构建的三维目标检测模型，获得所述三维目标检测模型输出的三维目标。

9.如权利要求8所述的单目视觉下的三维目标检测方法，其特征在于，所述待检测图像为监控视频图像。