一种基于YOLOv3-tiny-DB和迁移学习的夜间道路行人检测方法

技术特征：
1.一种基于yolo v3-tiny-db和迁移学习的夜间道路行人检测方法，其特征在于：step1：首先利用高清车载摄像头采集夜间道路行人图像，得到夜间图像；step2：对夜间图像进行预处理，将夜间图像使用改进的限制对比度直方图均衡算法得到亮度图像，再将原夜间图像和处理后的亮度图像，经过高斯金字塔和拉普拉斯金字塔做融合得到最终图像，原夜间图像和最终图像交叉叠放建立夜间道路行人数据集；step3：将夜间道路行人检测数据集导入yolo v3-tiny-db的目标检测网络，调整网络结构和夜间道路图像的输入大小，让网络适应夜间道路行人图像，得到训练权重；step4：利用step2中所述的图像处理方法对辅助驾驶平台车载相机所拍摄的夜间道路图像进行增强和重构，然后通过迁移学习将训练权重移植到辅助驾驶检测平台。2.根据权利要求1所述的基于yolo v3-tiny-db和迁移学习的夜间道路行人检测方法，其特征在于：所述高清车载摄像头采用的型号是li-usb30-ar023zwdrb，分辨率为1920
×
1080。3.根据权利要求1所述的基于yolo v3-tiny-db和迁移学习的夜间道路行人检测方法，其特征在于，所述改进的限制对比度直方图均衡化算法具体为：分别统计h、v两通道的直方图，计算各通道按照给定的参数确定上下限值，按照计算出的min/middle/max构建一个隐射表，小于min隐射为50，大于max隐射为250，h、v通道分别使用限制对比度算法处理再加权合成。4.根据权利要求1所述的基于yolo v3-tiny-db和迁移学习的夜间道路行人检测方法，其特征在于：所述yolo v3-tiny-db目标网络使用dense block改进yolo v3-tiny网络的特征提取部分。

技术总结
本发明涉及一种基于YOLO v3-tiny-DB和迁移学习的夜间道路行人检测方法，属于计算机图像处理技术领域。本发明利用计算机图像处理领域的方法，将夜间图像使用改进的限制对比度直方图均衡算法得到亮度图像，再将原夜间图像和处理后的亮度图像，经过高斯金字塔和拉普拉斯金字塔做融合得到最终图像，原夜间图像和最终图像交叉叠放建立夜间道路行人数据集。并设计全新的YOLO v3-tiny-DB行人检测网络，通过YOLO v3-tiny-DB网络训练夜间道路行人数据集得到训练权重。最终加载训练权重移植到本地辅助驾驶平台提高夜间道路图像行人识别率。本发明与现有技术相比，增加了车载相机所成图像的显示效果，提高了检测模型对夜间道路行人的识别率。别率。别率。


技术研发人员：曾凯 沙梦洲 沈韬 刘英莉 陈敏
受保护的技术使用者：昆明理工大学
技术研发日：2022.03.04
技术公布日：2022/6/1