CN114863297B 一种目标车辆检测方法、装置、设备及介质 （北京科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114863297B(45)授权公告日2025.07.08

(21)申请号202210378264.5

(22)申请日2022.04.12

(65)同一申请的已公布的文献号申请公布号CN114863297A

(43)申请公布日2022.08.05

(73)专利权人北京科技大学

地址100083北京市海淀区学院路30号

(72)发明人蓝金辉狄祥宋云广张铖罗威郑怡笑

(74)专利代理机构北京市炜衡律师事务所

11375

专利代理师王加莹

(51)Int.CI.

GO6V20/17(2022.01)

GO6V10/80(2022.01)

(56)对比文件

CN114283321A,2022.04.05CN110490836A,2019.11.22审查员田小娟

权利要求书2页说明书9页附图4页

(54)发明名称

一种目标车辆检测方法、装置、设备及介质

(57)摘要

CN114863297B本申请公开了一种目标车辆检测方法、装置、设备及介质，方法包括获取图像，对所述图像进行预处理，获得预处理后的图像；构建最优多层特征融合车辆检测模型；通过最优多层特征融合车辆检测模型对所述预处理后的图像进行目

CN114863297B

获取图像，对所述图像进行预处理，获得预处理后的图像

构建最优多层特征融合车辆检测模型

通过最优多层特征融合车辆检测模型对所述预处理后的图像进行目标车辆检测，获得目标车辆

S101

S103

S105

CN114863297B权利要求书1/2页

2

1.一种目标车辆检测方法，其特征在于，所述方法包括以下步骤：

获取图像，对所述图像进行预处理，获得预处理后的图像；

构建最优多层特征融合车辆检测模型，包括：

获取目标图像，对含有有效目标的目标图像进行标注，构建

目标数据集；

将所述目标数据集分为训练集和验证集；

通过跳跃自适应学习结构、三重注意力机制、YOLOv4-tiny

骨干网络、空间金字塔池化、Bottom-upPathAugmentation结构和

yolohead构建多层特征融合车辆检测模型；

利用所述训练集和验证集对多层特征融合车辆检测模型进

行迭代训练，获得最优多层特征融合车辆检测模型；

通过最优多层特征融合车辆检测模型对所述预处理后的图像进行目标车辆检测，获得目标车辆。

2.根据权利要求1所述的一种目标车辆检测方法，其特征在于，所述对所述图像进行预处理包括：

通过自适应Gamma光照校正方法对获取的图像进行预处理。

3.根据权利要求2所述的一种目标车辆检测方法，其特征在于，所述通过自适应Gamma光照校正方法对获取的图像进行预处理，包括：

所述图像通过RGB空间算法，获得所述图像的灰度强度均值；

所述图像利用多尺度高斯函数卷积算法，获得所述图像的光照分量；

利用所述光照分量和所述灰度强度均值对所述图像进行二维伽马校正，获得亮度校正图像；

将所述亮度矫正图像转换为RGB图像，完成所述图像的预处理。

4.根据权利要求3所述的一种目标车辆检测方法，其特征在于，所述图像利用多尺度高斯函数卷积算法，获得所述图像的光照分量，包括：

所述图像从RGB空间转化为HSV空间，所述HSV空间包含色调分量、饱和度分量和亮度分量；

利用多尺度高斯函数卷积对所述亮度分量进行计算，获得所述图像的光照分量。

5.根据权利要求1所述的一种目标车辆检测方法，其特征在于，所述获得目标车辆之后，还包括：

利用空间多参数像素映射地理坐标定位算法，获得目标车辆在地理坐标系下的经纬

度。

6.根据权利要求1所述的一种目标车辆检测方法，其特征在于，所述获得目标车辆之后，还包括：

根据所述目标车辆，获得所述预处理后的图像内的所述目标车辆总数量。

7.一种目标车辆检测装置，用于实现权利要求1～6任一所述的方法，其特征在于，所述装置包括：

视频流数据采集模块，用于获取图像，对所述图像进行预处理，获得预处理后的图像；检测模型训练模块，用于构建最优多层特征融合车辆检测模型；

CN114863297B权利要求书2/2页

3

数据处理及检测定位模块，用于通过最优多层特征融合车辆检测模型对所述预处理后