[发明专利]一种基于卷积神经网络的多类障碍物检测与识别方法

摘要

本发明涉及一种基于卷积神经网络的多类障碍物检测与识别方法，属于计算机视觉与目标检测技术领域。该方法将车载视频转换为图片帧，应用类间方差法以及形态学操作从图片帧中提取得到ROI以及其在原图像中的位置信息，将提取得到的ROI放入AlexNet网络中进行分类，与此同时，由卡尔曼滤波根据分类得到的障碍物的位置信息进行状态估计，实现实时的障碍物检测与识别。本发明提取图像本身与图像间的多种特征，提高了障碍物检测与识别的精度；将障碍物的属性、运动趋势等信息设置到整个检测与识别系统中，对于驾驶员或者智能车的安全行驶起到了至关重要的作用，为未来全智能化的驾驶系统保驾护航。

主权项

一种基于卷积神经网络的多类障碍物检测与识别方法，其特征在于：该方法包括以下步骤：S1：采集车载视频，包括由车载摄像机、行车记录仪、手持摄像机拍摄的车载视频，作为原始样本；S2：将采集到的车载视频进行视频分帧处理，将视频转换为连续的单帧图片；S3：应用自动图像分割提取方法提取单帧图片的ROI(region of interest，感兴趣区域)，并标记ROI区域在原始图片中的相对位置信息，此处提取的ROI信息即为障碍物信息；S4：将提取好的ROI样本库放入AlexNet(Alex网络结构模型)中进行分类识别，实现障碍物的分类辨识，与此同时，根据ROI在原始图片中的位置信息应用卡尔曼滤波进行目标跟踪，实现对障碍物的实时跟踪与状态估计；S5：根据上述步骤，将原始视频直接放入训练调试好的卷积神经网络中进行测试，实现直接输入视频的对多类障碍物的实时检测与识别。