买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：沈阳航空航天大学

摘要：一种低空视角下的车辆脸部多粒度检测方法，涉及低空视角下车辆检测领域。本发明中在进行特征提取时，引用EfficientNetv2重新设计主干网络，减少冗余参数，轻量化网络，提升网络的检测速度及精度，采用Focalloss损失函数优化网络，增加算法收敛速率，本发明在车辆目标检测的基础上加了车辆关键点检测，这有助于更准确、高效地检测车辆位置和占据区域，同时获取到的车辆关键点还可用于自动标定道路监控相机、计算车辆姿态、对车辆表面分块获得语义分割信息等。有助于规避一定的行车风险，协助快速锁定车辆位置，为实现智慧交通提供底层数据决策依据。

主权项：1.一种低空视角下的车辆脸部多粒度检测方法，其特征在于，包括如下步骤：步骤1：构建低空视角下的车辆脸部数据集；所述车辆脸部数据集中为若干张不同类型车辆的彩色图像；步骤2：对低空视角下的车辆脸部数据集中不同类型车辆的彩色图像进行示例级细粒度目标检测和关键点检测标注，得到标注后的车辆脸部数据集；所述标注后的车辆脸部数据集中包括已标注的不同类型车辆的彩色图像及其对应的标注文件；步骤3：将标注后的车辆脸部数据集中的标注文件转换格式以适应YOLO格式，然后将标注后的低空视角下的车辆脸部数据集中已标注的不同类型车辆的彩色图像及对应的标注文件按照设定比例划分成训练集和验证集；步骤4：对训练集进行数据扩增使得训练集中的各类别车脸关键点数量均衡同时增加训练集中样本数量，得到扩增后的训练集；步骤5：利用扩增后的训练集对经过已训练完成后的YOLOV8进行训练，得到预训练的YOLOV8；步骤6：构建基于YOLOV8的低空视角车辆脸部多粒度检测基准模型EC-YOLO；步骤7：基于预训练的YOLOV8模型的参数，利用扩增后的训练集对基于YOLOV8的低空视角车辆脸部多粒度检测基准模型EC-YOLO进行训练，得到训练完成的基于YOLOV8的低空视角车辆脸部多粒度检测基准模型EC-YOLO；步骤8：利用验证集对训练完成的基于YOLOV8的低空视角车辆脸部多粒度检测基准模型EC-YOLO进行评估并对训练完成的基于YOLOV8的低空视角车辆脸部多粒度检测基准模型EC-YOLO的参数进行调整，得到最终的基于YOLOV8的低空视角车辆脸部多粒度检测基准模型EC-YOLO；步骤9：将待检测的图像输入最终的基于YOLOV8的低空视角车辆脸部多粒度检测基准模型EC-YOLO，输出标注框、标注框的顶点和中心点的坐标、标注框的预测置信度、车脸关键点、车脸关键点的坐标和车脸关键点的预测置信度。

全文数据：

权利要求：

百度查询： 沈阳航空航天大学 一种低空视角下的车辆脸部多粒度检测方法