[发明专利]基于优化算法的改进交通标志检测模型

权利要求书

1.基于优化算法的改进交通标志检测模型，其特征在于：包括以下步骤：

步骤一：建立GHO-YOLOx算法模型，算法模型中包含哈里斯鹰优化算法、搜索阶段以及围捕阶段；

步骤二：模型仿生优化，仿生优化包含灰狼优化算法、包围猎物、狩猎以及开发与勘探；

步骤三：YOLOx网络，通过YOLO目标检测算法对现场交通标志和路障检测；

步骤四：GHO-YOLOx算法，混合HHO算法和GWO算法进行改进；

步骤五：模型检测实验，实验内容包含数据集、实验环境、实验有效性以及实验结果分析；

步骤六：实验结果分析，结果分析包含不同环境下的检测结果对比、不同算法对比。

2.根据权利要求1所述的基于优化算法的改进交通标志检测模型，其特征在于：所述步骤一中，基于野兔逃逸能量E的变化，哈里斯鹰的狩猎行为将发生转化，野兔逃逸能量E的公式如下式(1)：

公式(1)中，E₀∈[-1,1]，t为当前的迭代次数。

3.根据权利要求1所述的基于优化算法的改进交通标志检测模型，其特征在于：所述步骤一中，当野兔逃逸能量|E|＞1时，哈里斯鹰群处于搜索阶段，针对发现野兔和未发现两种情况，生成一个随机数q，当q≥0.5时，哈里斯鹰还未发现野兔的位置。两种情况的搜索方式如下式(2)

公式(2)中，在下次迭代过程中，哈斯鹰当前的位置，X_prey(t)表示野兔的位置，哈里斯鹰群中随机个体的位置表示为X_rand(t)，该维度变量的上下限分别为UB和LB，r_i和q为(0,1)内的随机数，i＝1,2,3,4。X_m(t)表示哈里斯鹰当前位置的平均数，其实公式如下式(3)：

公式(3)中，哈里斯鹰群个体总数为N，在迭代第t次中每只哈里斯鹰的位置表示为X_i(t)。

4.根据权利要求1所述的基于优化算法的改进交通标志检测模型，其特征在于：所述步骤二中，当野兔逃逸能量|E|≥0.5，且r≥0.5时，此时哈里斯鹰群处于盘旋围捕状态，盘旋围捕的公式如下式(4)：

X(t+1)＝X_prey(t)-X(t)

-E|JX_prey(t)-X(t)| (3)

公式(4)中，当前野兔的逃逸能量为E，J为野兔的随机跳跃强度，其公式为下式(5)：

J＝2(1-r₅) (4)

公式(5)中，r₅为(0,1)内的随机数。

5.根据权利要求1所述的基于优化算法的改进交通标志检测模型，其特征在于：所述步骤二中，当野兔逃逸能量|E|＜0.5，且r≥0.5时，此时哈里斯鹰群处于强势突袭状态，强势突袭的公式如下式(6)：

X(t+1)＝X_prey(t)-E|X_prey(t)-X(t)| (5)。