[发明专利]一种雾天车辆检测方法及设备

说明书

本申请公开了一种雾天车辆检测方法及设备，方法包括：获取雾天车辆图像，根据雾天车辆图像建立数据集，并确定雾天车辆图像的标签，根据标签确定标签文件；对数据集进行数据增强，并根据预先设置的特征层尺寸对数据增强后的数据集进行主干特征提取，以得到特征层组；将特征层组输入注意力机制模块，以确定特征层组的重要程度，并根据重要程度对特征层组进行抑制处理；通过加强特征提取网络对特征层组进行特征提取和特征融合，以得到有效特征层组，并将有效特征层组输入至回归预测网络中，以通过回归预测网络根据有效特征层组获得检测结果。本申请在增加少量计算量的情况下，既提高了目标检测模型在雾天环境下的检测精度又保证了检测速度。

技术领域

本申请涉及交通管理技术领域，尤其涉及一种雾天车辆检测方法及设备。

背景技术

随着经济快速发展，汽车制造技术不断取得突破，智能车辆逐步取代传统车辆，在给人们带来便利的同时，也会产生新的交通安全隐患。作为智能车辆的高级形式，自动驾驶车辆需要应对各种复杂的道路状况、交通环境。其中，雾天作为一种常见的不良天气形式，对自动驾驶车辆的安全驾驶具有非常大的影响。雾天所导致的能见度降低，会使传统车辆驾驶员视野变得模糊，从而行车速度缓慢，非规范驾驶行为增加，交通堵塞问题加重。对于智能车辆而言，由于交通环境的变化，会对目标检测精度和检测速度提出更高的要求。因此，在雾天环境下进行车辆检测问题的研究，提供更好的车辆检测方法，对交通安全与交通畅通具有重要意义。

目前，市场上应用在自动驾驶车辆中的基于视觉传感器的目标检测技术，大多适用于良好的天气条件。恶劣天气条件，尤其是雾天环境下，由于能见度大幅降低，视觉传感器所采集的图片质量下降，不利于目标检测网络的识别，严重威胁了行车安全。

发明内容

为了解决上述问题，本申请提出了一种雾天车辆检测方法，包括：获取雾天车辆图像，根据所述雾天车辆图像建立数据集，并确定所述雾天车辆图像的标签，根据所述标签确定标签文件；对所述数据集进行数据增强，并根据预先设置的特征层尺寸对数据增强后的所述数据集进行主干特征提取，以得到特征层组，其中所述特征层组包括多个特征层；将所述特征层组输入注意力机制模块，以确定所述特征层组的重要程度，并根据所述重要程度对所述特征层组进行抑制处理；通过加强特征提取网络对所述特征层组进行特征提取和特征融合，以得到有效特征层组，并将所述有效特征层组输入至回归预测网络中，以通过所述回归预测网络根据所述有效特征层组获得检测结果。

在一个示例中，将所述特征层组输入注意力机制模块，以确定所述特征层组的重要程度，具体包括：确定所述特征层组的多个对应通道，通过所述注意力机制模块对所述通道进行全局平均池化，以将所述特征层组的全局空间信息压缩到对应所述通道中，从而获得全局描述特征；根据所述全局描述特征通过全连接层对所述特征层组进行降维，并通过ReLU进行激活，以通过所述全连接层对激活后的所述特征层组恢复原始维度，再通过Sigmoid激活函数获得所述特征层组的权值；根据所述权值确定特征图，以获得所述通道对应的重要程度。

在一个示例中，将所述特征层组的全局空间信息压缩到对应所述通道中，从而获得全局描述特征，具体包括：计算所述全局描述特征的公式为：

其中，z_c为全局描述特征，F_sq()为Squeeze操作函数，u为三维特征矩阵， c为所述通道的通道数，u_c为u中第c个二维矩阵，H为所述特征层的长，W为所述特征层的宽。