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！

摘要：本发明公开了一种面向智慧交通的复杂多目标自适应检测方法，首先构建面向三维场景的目标检测模型，然后将时间类、天气类这两个维度的场景作为先验知识，根据当前时间类、天气类选择相对应的面向三维场景的目标检测模型，用以目标检测，最后提出了一种阈值自适应调整机制，将得到的多个模型的检测结果进行自适应融合并输出待检测目标的最终类别及其对应的概率。本发明能广泛应用于机器视觉领域中全天时、全天候环境下先验驱动的多目标自适应精准检测，有非常广阔的应用前景。

主权项：1.一种面向智慧交通的复杂多目标自适应检测方法，其特征在于，包括步骤如下：S1，基础模型选用YOLOv3，给定时间类、天气类、目标类进行训练，得到面向三维场景的目标检测模型；S2，根据当前时间类、天气类，选择相对应的面向三维场景的目标检测模型；利用面向三维场景的目标检测模型检测图片中的目标物体，确定目标检测模型个数，完成多维度模型的选择；采用阈值自适应调整机制作为多维度模型检测结果融合的标准；S3，以阈值自适应调整机制为基准，进行多维度模型融合，输出待检测目标的最终类别及其对应的概率；所述多维度模型融合的实现过程如下：S3.1，令步骤S2选择得到的面向三维场景的目标检测模型中的模型个数为3个，这三个模型分别对当前样本进行检测，在待检测目标上标注出预测框、相应的类别以及概率；对于待检测目标识别的类别结果输出分别为j1其它、j2其它、j3其它，其中j1表示待检测目标的类别为目标类中的机动车、非机动车、行人中的任意一类，j2表示待检测目标的类别为目标类中的机动车、非机动车、行人中的任意一类，j3表示待检测目标的类别为目标类中的机动车、非机动车、行人中的任意一类，但j1、j2、j3三者互不相同，用预测框框选出的目标物体属于j1、j2、j3的概率分别为S3.2，对步骤S3.1中的三个模型预测目标输出的预测框进行融合，并将输出结果叠加在一幅图片上，分为以下三种情况：A.如果一个预测框e没有与之相交叠的预测框，则判断预测框e上的类别概率k取整数，与误检阈值d1之间的大小：若则该预测框没有误检，输出仍然为其标注的相应类别及概率若则该预测框误检，然后删除该预测框；B.如果有两个预测框e、f相互交叠，则计算两个预测框的交并比Uef，并与交并比阈值Uth进行比较，此时分为两种情况：B11.若Uef≥Uth则将这两个预测框e、f合并为一个预测框，如果预测框e、预测框f上对应的类别结果分别为其它、其它，其它、j2，j1、其它，则融合后的预测框输出类别分别为其它、j2、j1；如果预测框e、预测框f上对应的类别结果为j1、j2，则比较类别j1和类别j2的修正概率，当两个预测框融合时，j1、j2的修正概率定义分别如下： 其中，分别是相应模型输出的目标j1和j2的个数；若则融合后的预测框输出目标类别判定为j1，反之则为j2；B12.若UefUth则不合并这两个预测框e、f，并分别将这两个预测框按照没有预测框与之相交叠的情况进行处理，按照步骤A进行处理；C.如果有三个预测框e、f、g相互交叠，则计算预测框两两之间的交并比Uef、Ueg、Ufg，此时可分为两种情况：C11.若存在两个或两个以上的交并比大于Uth则将这三个预测框合并为一个预测框，如果预测框e、预测框f、预测框g上对应的类别结果分别为其它、其它、其它，其它、其它、j3，j1、其它、其它，其它、j2、其它，则融合后的预测框输出类别分别为其它、j3、j1、j2；若预测框e、预测框f、预测框g上对应的类别结果分别为j1、j2、其它，j1、其它、j3，其它、j2、j3，则比较相对应的两个目标类别的修正概率大小和和和然后融合后的预测框输出类别为两个目标类别中修正概率较大的类别；若预测框e、预测框f、预测框g上对应的类别为j1、j2、j3，则比较三个目标类别的修正概率大小然后融合后的预测框输出类别为三个目标类别中修正概率较大的类别；其中，是相应模型输出的目标j3的个数；C12.若仅存在一个交并比大于Uth则相应的两个预测框合并为一个预测框，这两个预测框的融合过程按步骤B处理，另外的一个预测框按步骤A去处理。

全文数据：

权利要求：

百度查询： 南京邮电大学 面向智慧交通的复杂多目标自适应检测方法