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：平安国际智慧城市科技股份有限公司

摘要：本发明公开了一种交警姿态识别方法、装置、设备及存储介质，该方法包括：采集多种交通环境下的图像并对所述图像进行预处理；基于kmeans++聚类算法在预处理后的图像上进行聚类，生成多个锚框；构建YOLOv3深度学习神经网络模型并采用交叉熵损失函数与EIOU损失函数训练YOLOv3深度学习神经网络模型，获得EIOU‑YOLOv3深度学习神经网络模型；利用EIOU‑YOLOv3深度学习神经网络模型对预处理后的图像进行交警姿态特征提取及检测，获得多个不同尺度的特征图；利用锚框在特征图上进行交警姿态特征提取及识别，获得预测框；采用Soft‑NMS算法去除冗余的预测框，获得目标预测框及识别结果。通过上述方式，本发明能够有效提高交警姿态识别的整体准确率和召回率。

主权项：1.一种交警姿态识别方法，其特征在于，包括：采集多种交通环境下的图像并对所述图像进行预处理；基于kmeans++聚类算法在预处理后的图像上进行聚类，生成多个锚框；构建YOLOv3深度学习神经网络模型并采用交叉熵损失函数与EIOU损失函数训练所述YOLOv3深度学习神经网络模型，获得EIOU-YOLOv3深度学习神经网络模型；利用所述EIOU-YOLOv3深度学习神经网络模型对预处理后的图像进行交警姿态特征提取及检测，获得多个不同尺度的特征图；利用所述锚框在所述特征图上进行交警姿态特征提取及识别，获得预测框；采用Soft-NMS算法去除冗余的所述预测框，获得目标预测框及识别结果；所述构建YOLOv3深度学习神经网络模型并采用交叉熵损失函数与EIOU损失函数训练所述YOLOv3深度学习神经网络模型，获得EIOU-YOLOv3深度学习神经网络模型的步骤包括：构建YOLOv3深度学习神经网络模型，将所述YOLOv3深度学习神经网络模型的残差连接结构由两次拼接改进为三次加权求和处理；计算所述交叉熵损失函数与所述EIOU损失函数之和，获得总损失函数；采用所述总损失函数训练改进后的所述YOLOv3深度学习神经网络模型，获得EIOU-YOLOv3深度学习神经网络模型；其中，EIOU损失函数lossreg按照如下公式计算：其中，IOU为所述预测框与标注框的交并比，I表示所述预测框与标注框之间的交集的面积，U表示所述预测框与标注框之间的并集的面积，α为衰减系数，α的取值范围为0.5～1，d表示所述预测框与标注框的中心点之间的距离，c表示同时包围所述预测框与标注框的最小外接矩阵的对角线的长度；所述EIOU-YOLOv3深度学习神经网络模型包括输入模块、与所述输入模块连接的特征提取模块、第一生成模块、第二生成模块以及第三生成模块，所述第一生成模块、所述第二生成模块以及所述第三生成模块依次连接并均与所述特征提取模块连接；所述第一生成模块包括依次连接的第一卷积层、第一上采样层、第一加权求和层、第二卷积层以及第一输出层；所述第二生成模块包括依次连接的第三卷积层、第二上采样层、第二加权求和层、第四卷积层以及第二输出层；所述第三生成模块包括依次连接的第五卷积层、第三上采样层、第三加权求和层、第六卷积层以及第三输出层，所述第一加权求和层、所述第二加权求和层以及所述第三加权求和层还分别与所述特征提取模块连接，所述第二卷积层连接所述第三卷积层，所述第四卷积层连接所述第五卷积层，所述第一输出层、所述第二输出层以及所述第三输出层分别输出不同尺度的特征图。

全文数据：

权利要求：

百度查询： 平安国际智慧城市科技股份有限公司 交警姿态识别方法、装置、设备及存储介质