[发明专利]基于改进YOLOv4-tiny的夜间车辆及行人检测方法

权利要求书

1.一种基于改进YOLOv4-tiny的夜间车辆及行人检测方法，其特征在于：是先根据NightOwls数据集，建立夜间车辆及行人数据集；将数据集输入到基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型中，通过基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型训练夜间车辆及行人数据集得到训练权重；将训练完成的基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型部署到本地辅助驾驶平台；加载训练权重移植到自动驾驶平台，利用基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型对自动驾驶平台相机采集的图像帧中是否包含车辆及行人进行判断，若是则用边界框标记，否则不做任何处理。

2.如权利要求1所述的基于改进YOLOv4-tiny的夜间车辆及行人检测方法，其特征在于：所述基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型的训练过程具体为：

(2.1)使用YOLOv4-tiny网络在coco数据集训练得到权重文件作为基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型的初始权重文件；

(2.2)根据NightOwls夜间数据集构建初始数据集，对初始数据集中的车辆及行人图像进行标注，按7:2:1的比例将数据集分为训练集、验证集和测试集，分别用于模型的训练和测试；

(2.3)根据训练集、验证集和Focal loss损失函数，利用梯度下降反向传播方法，对初始化网络参数后的基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型中的深度卷积神经网络的参数进行迭代更新；将迭代至最大设定次数后得到的网络参数作为最优的网络参数，完成训练，得到所述基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型；

(2.4)将基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型移植到本地辅助驾驶平台，利用基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型对驾驶平台图像中是否包含车辆及行人进行判断，若是则用边界框标记，若否则不做任何处理。

3.如权利要求1所述的基于改进YOLOv4-tiny的夜间车辆及行人检测方法，其特征在于：所述基于改进YOLOv4-tiny算法结构的夜间车辆及行人检测网络模型是对特征提取网络与特征融合网络进行改进，同时引入SPP金字塔池化模型模块与增加一个52×52的YOLO检测头，组成最终的改进算法结构；所述特征融合网络包含上采样层、融合层、下采样层和卷积层，并根据数据流向进行依次连接；所述上采样层包括第一上采样层和第二上采样层；所述融合层包括第一融合层、第二融合层、第三融合层和第四融合层；所述下采样层包括第一下采样层和第二下采样层。

4.如权利要求3所述的基于改进YOLOv4-tiny的夜间车辆及行人检测方法，其特征在于，所述特征融合网络根据数据流向进行依次连接的过程为：所述SPP金字塔池化模型模块的输出特征图输入CBS卷积层，CBS卷积层输出特征图到第二上采样层和第四融合层，最后将第四融合层输出特征图输入到13×13大小的YOLO检测头；所述特征提取网络的13×13大小的输出特征图通过卷积操作输入到第二融合层，将第二融合层的输出特征图分别输入到第一上采样层与第三融合层，将第三融合层的输出特征图输入到第二下采样层和26×26大小的YOLO检测头；所述特征提取网络的52×52大小的输出特征图输入到第一融合层，将第一融合层的输出特征图输入到第一下采样层与52×52大小的YOLO检测头。