CN115187768B 一种基于改进YOLOv5的鱼眼图像目标检测方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115187768B(45)授权公告日2025.07.01

(21)申请号202210610350.4

(22)申请日2022.05.31

(65)同一申请的已公布的文献号申请公布号CN115187768A

(43)申请公布日2022.10.14

(73)专利权人西安电子科技大学

地址710071陕西省西安市太白南路2号

(72)发明人朱娟娟薛亮谈旭王晓博刘佳琪郑世鑫

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN114241548A,2022.03.25CN111260539A,2020.06.09审查员傅重添

(74)专利代理机构西安嘉思特知识产权代理事

务所(普通合伙)61230专利代理师辛菲

(51)Int.CI.

GO6V10/24(2022.01)

GO6V10/82(2022.01)权利要求书3页说明书11页附图10页

(54)发明名称

一种基于改进YOLOv5的鱼眼图像目标检测

方法

(57)摘要

CN115187768B本发明公开了一种基于改进YOLOv5的鱼眼图像目标检测方法，包括：对原始鱼眼图像进行初始校正，获得校正后图像每个像素点对应的经度和纬度；基于校正后图像每个像素点对应的经度和纬度进行插值，得到校正后图像中每个像素点的像素值；构建改进型YOLOv5网络模型，并对所述网络模型进行训练；将原始鱼眼图像的校正后图像输入到经训练的改进型YOLOv5网络模型中，获得图片中的目标信息。本发明基于改进YOLOv5的鱼眼图像目标检测方法结合各个像素点的经度和纬度，并将混合注意力机制引入主干网络，同时使用CIoU作为边框回归损失函数，能

CN115187768B

对原始鱼眼图像进行初始校正，获得校正后图

对原始鱼眼图像进行初始校正，获得校正后图像每个像素点对应的经度和纬度

S2

基于校正后图像每个像素点对应的经度和纬度进行插值，得到校正后图像中每个像素点的像素值

S3

构建改进型YOLOv5网络模型，并对所述网络模型进行训练

将原始鱼眼图像的校正后图像输入到经训练的改进型YOLOv5网络模型中，获得图片中的目标信息

CN115187768B权利要求书1/3页

2

1.一种基于改进YOLOv5的鱼眼图像目标检测方法，其特征在于，包括：

S1:对原始鱼眼图像进行初始校正，获得校正后图像每个像素点对应的经度和纬度；

S2:基于校正后图像每个像素点对应的经度和纬度进行插值，得到校正后图像中每个像素点的像素值；

S3:构建改进型YOLOv5网络模型，并对所述网络模型进行训练，其中，所述改进型YOLOv5网络模型包括输入单元、主干网络、Neck单元和Prediction单元，所述主干网络包括依次连接的Focus模块、卷积模块、混合注意力模块、卷积模块、混合注意力模块、卷积模块、混合注意力模块、卷积模块、空间金字塔池化模块和混合注意力模块，其中，所述混合注意力模块用于获得输入特征向量的通道域特征和空间域特征的混合注意力特征；

S4:将原始鱼眼图像的校正后图像输入到经训练的改进型YOLOv5网络模型中，获得图片中的目标信息。

2.根据权利要求1所述的基于改进YOLOv5的鱼眼图像目标检测方法，其特征在于，所述S1包括：

Sla:提取原始鱼眼图像中的有效区域，获得有效区域图像；

S1b:依据经纬映射模型对所述有效区域图像进行初步校正，获得校正后矩形图像，并获得校正后矩形图像每个像素点所处的经度α和纬度β。

3.根据权利要求2所述的基于改进YOLOv5的鱼眼图像目标检测方法，其特征在于，所述S1b包括：

获取校正后矩形图像每个像素点的坐标(x,y)与其所处的经度α和纬度β的关系：

其中，x和y分别表示校正后矩形图像上对应点的横纵坐标，α和β为点(x,y)所处的经度和纬度，a为校正后矩形图像的长度，b为校正后矩形图像的宽度；

根据图像校正前后同一像素点坐标的对应关系，利用校正后矩形图像坐标及其对应的经度α和