【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于可見(jiàn)光通信和智能交通，特別涉及一種改進(jìn)yolov8的車對(duì)車occ系統(tǒng)目標(biāo)識(shí)別方法。
技術(shù)介紹
1、隨著物聯(lián)網(wǎng)的普及以及社交媒體和視頻內(nèi)容等數(shù)字服務(wù)的增長(zhǎng)，對(duì)移動(dòng)數(shù)據(jù)通信的需求正在過(guò)度增長(zhǎng)。為了滿足這種指數(shù)級(jí)增長(zhǎng)的需求，應(yīng)該增加帶寬或提高頻譜效率。然而，頻譜效率的提高是緩慢的，無(wú)法滿足這種永不滿足的需求。開(kāi)發(fā)新頻譜成為一種獨(dú)特的解決方案，并且需要更寬的太赫茲(thz)頻譜帶寬。在這種情況下，光無(wú)線通信(opticalwireless?communication，owc)近年來(lái)因其許多理想的特性而引起了研究人員極大的研究興趣，包括大量的可用光譜(從350nm到1550nm)，高能效，獨(dú)立調(diào)節(jié)和良好控制的通信安全性。
2、可見(jiàn)光通信(visible?light?communications，vlc)作為一種光無(wú)線通信技術(shù)，被廣泛研究其應(yīng)用場(chǎng)景和方法。可見(jiàn)光相機(jī)通信(optical?camera?communication，occ)是vlc的一種，它使用帶有圖像傳感器的相機(jī)作為接收器。occ具有幾個(gè)獨(dú)特的優(yōu)勢(shì)。首先，系統(tǒng)實(shí)現(xiàn)簡(jiǎn)單；其次，相機(jī)用于大多數(shù)智能設(shè)備，如智能手機(jī)、汽車和智能家居套件，因此，可以制造帶有相機(jī)的通用設(shè)備作為occ系統(tǒng)的接收器；此外通過(guò)圖像處理，加上信息系統(tǒng)的空間分離能力，可以有效抑制接收器中的噪聲光源，這使occ成為室外通信類似于車輛對(duì)基礎(chǔ)設(shè)施、車輛對(duì)車輛、車輛對(duì)行人等通信場(chǎng)景下的可行選擇。
3、近幾年，智能交通系統(tǒng)已成為研究熱點(diǎn)。精確的車輛定位是支持安全駕駛、緊急制動(dòng)、自主導(dǎo)航
4、occ技術(shù)被認(rèn)為是目前面向自動(dòng)駕駛通信技術(shù)的有力補(bǔ)充，但目前對(duì)occ的研究還不夠成熟，并且現(xiàn)有研究中對(duì)occ系統(tǒng)目標(biāo)識(shí)別方法主要分為兩大類，一類是基于傳統(tǒng)的圖像識(shí)別方法，如連通域分析算法,fast角點(diǎn)檢測(cè)算法,邊緣檢測(cè)算法等，這些算法通過(guò)單一地判斷系統(tǒng)目標(biāo)的形狀、位置，以及亮暗程度來(lái)對(duì)目標(biāo)進(jìn)行識(shí)別；另一類則是利用深度學(xué)習(xí)的方式，利用深度學(xué)習(xí)的學(xué)習(xí)能力強(qiáng)，覆蓋范圍廣，適應(yīng)性好，數(shù)據(jù)驅(qū)動(dòng)，上限高，可移植性好等優(yōu)點(diǎn)，綜合性地提取特征進(jìn)行系統(tǒng)目標(biāo)的識(shí)別，如mask?rcnn,yolo等。圖像識(shí)別部分采用傳統(tǒng)圖像處理算法，極易受二值化閾值的影響，且不能適應(yīng)復(fù)雜環(huán)境背景。
5、yolo算法是一種在深度學(xué)習(xí)領(lǐng)域中的單階段目標(biāo)檢測(cè)算法，廣泛應(yīng)用于目標(biāo)的檢測(cè)與識(shí)別，yolov8主要借鑒了yolov5、yolov6、yolox等模型的設(shè)計(jì)優(yōu)點(diǎn)，yolov8是一個(gè)sota模型，它建立在yolo系列歷史版本的基礎(chǔ)上，并引入了新的功能和改進(jìn)點(diǎn)，以進(jìn)一步提升性能和靈活性，使其成為實(shí)現(xiàn)目標(biāo)檢測(cè)、圖像分割、姿態(tài)估計(jì)等任務(wù)的最佳選擇。其具體創(chuàng)新點(diǎn)包括一個(gè)新的骨干網(wǎng)絡(luò)、一個(gè)新的ancher-free檢測(cè)頭和一個(gè)新的損失函數(shù)，可在cpu到gpu的多種硬件平臺(tái)上運(yùn)行。雖然yolov8在occ系統(tǒng)目標(biāo)識(shí)別中有良好的識(shí)別效果，但其識(shí)別能力仍有提升空間。
6、為進(jìn)一步推進(jìn)occ在自動(dòng)駕駛汽車場(chǎng)景下的實(shí)際應(yīng)用，改進(jìn)后yolov8的車對(duì)車occ系統(tǒng)目標(biāo)識(shí)別方法來(lái)解決復(fù)雜室外環(huán)境中l(wèi)ed陣列的準(zhǔn)確識(shí)別并在實(shí)測(cè)系統(tǒng)上完成相關(guān)技術(shù)驗(yàn)證很有必要。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)為了克服現(xiàn)有技術(shù)存在的問(wèn)題，本專利技術(shù)提供了一種改進(jìn)yolov8的車對(duì)車occ系統(tǒng)目標(biāo)識(shí)別方法。
2、本專利技術(shù)是采用如下技術(shù)方案實(shí)現(xiàn)的：
3、一種改進(jìn)yolov8的車對(duì)車occ系統(tǒng)目標(biāo)識(shí)別方法，獲取原始圖像數(shù)據(jù)，對(duì)原始圖像數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理后的圖像數(shù)據(jù)，將yolov8進(jìn)行修改：將caifi替換骨干網(wǎng)中的sppf，將頭部網(wǎng)絡(luò)結(jié)合bifpn，更改bifpn權(quán)重函數(shù)同時(shí)將shape_iou損失函數(shù)作為頭部網(wǎng)絡(luò)構(gòu)建改進(jìn)yolov8的led陣列檢測(cè)模型；將預(yù)處理后的圖像輸入至改進(jìn)yolov8的occ系統(tǒng)目標(biāo)檢測(cè)模型中進(jìn)行計(jì)算，獲得led陣列檢測(cè)結(jié)果，達(dá)到精確識(shí)別led陣列的目的，本方法的具體步驟如下：
4、步驟一、構(gòu)建led陣列數(shù)據(jù)集：
5、過(guò)程(1)在室外環(huán)境下采集led陣列數(shù)據(jù)集；
6、在數(shù)據(jù)采集過(guò)程中，相機(jī)的位置保持不變，led陣列在距離相機(jī)0m-100m的范圍內(nèi)進(jìn)行移動(dòng)，同時(shí)led陣列中的某個(gè)或某些個(gè)可獨(dú)立發(fā)光和熄滅的led燈會(huì)隨機(jī)發(fā)光或熄滅，得到在不同距離和光照條件下的led陣列數(shù)據(jù)集，在采集的過(guò)程中，令led陣列在移動(dòng)的過(guò)程中產(chǎn)生傾斜，模擬實(shí)際汽車行駛時(shí)候產(chǎn)生顛簸的現(xiàn)象，得到不同角度的led數(shù)據(jù)集；
7、過(guò)程(2)利用labelimg平臺(tái)對(duì)得到的led陣列數(shù)據(jù)集進(jìn)行人工錨框標(biāo)注，標(biāo)注信息由類別和位置兩部分組成，標(biāo)注led陣列的類別為“l(fā)ed?array”；標(biāo)注led陣列的真實(shí)位置坐標(biāo)信息為(xmin,ymin,xmax,ymax)，將真實(shí)位置坐標(biāo)信息以矩形框的形式繪制在采集到的圖像上，記該矩形框?yàn)檎鎸?shí)目標(biāo)框，其中(xmin,ymin)表示led陣列的左上角坐標(biāo)，(xmax,ymin)表示led陣列右上角坐標(biāo)，(xmin,ymax)表示led陣列左下角坐標(biāo)，(xmax,ymax)表示led陣列的右下角坐標(biāo)；
8、過(guò)程(3)將標(biāo)注好的數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集、測(cè)試集三部分，用于模型的訓(xùn)練和測(cè)試；其中，訓(xùn)練集占整個(gè)數(shù)據(jù)集的70％，用于訓(xùn)練模型并學(xué)習(xí)數(shù)據(jù)中的特征；驗(yàn)證集占整個(gè)數(shù)據(jù)集的20％，用于驗(yàn)證模型的性能和泛化能力，并對(duì)模型進(jìn)行調(diào)整和優(yōu)化；測(cè)試集占整個(gè)數(shù)據(jù)集的10％，用于評(píng)估模型的最終性能和準(zhǔn)確率；
9、步驟二、對(duì)yolov8特征提取模塊進(jìn)行更改
10、采用三種不同的方式對(duì)不同位置的特征圖(feature?map)進(jìn)行特征提取:
11、(1)基礎(chǔ)的c2f模塊進(jìn)行特征提取
12、c2f模塊由cbs卷積層、split層和bottleneck組成，bottleneck采用殘差連接方式直接將輸入led陣列與輸出led陣列特征相加，緩解梯度消失與梯度爆炸問(wèn)題，并且允許層與層之間的信息傳遞，避免出現(xiàn)深層網(wǎng)絡(luò)退化現(xiàn)象；用c2f模塊對(duì)車對(duì)車occ系統(tǒng)目標(biāo)led陣列進(jìn)行低層的特征提取；
13、(2)ec2f模塊進(jìn)行特征提取
14、ec2f模塊由c2f模塊和eca注意力機(jī)制組成，ec2f模塊將c2f模塊處理后的特征圖進(jìn)行全局平均池化，將空間維度壓縮為1x1，得到一個(gè)通道維度的向量，得到的輸出通過(guò)sigmoid激活函數(shù)：
15、
16、其中，x為全局平均池化處理后的輸入的特征向量，壓縮后的向量經(jīng)過(guò)sigmoid激活函數(shù)處理后生成一個(gè)0到1之間的權(quán)重向量；將本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種改進(jìn)YOLOv8的車對(duì)車OCC系統(tǒng)目標(biāo)識(shí)別方法，獲取原始圖像數(shù)據(jù)，對(duì)原始圖像數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理后的圖像數(shù)據(jù)，將YOLOv8進(jìn)行修改：將CAIFI替換骨干網(wǎng)中的SPPF，將頭部網(wǎng)絡(luò)結(jié)合BIFPN同時(shí)將Shape_IoU損失函數(shù)作為頭部網(wǎng)絡(luò)構(gòu)建改進(jìn)YOLOv8的LED陣列檢測(cè)模型；將預(yù)處理后的圖像輸入至改進(jìn)YOLOv8的OCC系統(tǒng)目標(biāo)檢測(cè)模型中進(jìn)行計(jì)算，獲得LED陣列檢測(cè)結(jié)果，達(dá)到精確識(shí)別LED陣列的目的，其特征在于，本方法的具體步驟如下：
【技術(shù)特征摘要】
1.一種改進(jìn)yolov8的車對(duì)車occ系統(tǒng)目標(biāo)識(shí)別方法，獲取原始圖像數(shù)據(jù)，對(duì)原始圖像數(shù)據(jù)進(jìn)行預(yù)處理，獲得預(yù)處理后的圖像數(shù)據(jù)，將yolov8進(jìn)行修改：將caifi替換骨干網(wǎng)中的sppf，將頭部網(wǎng)絡(luò)結(jié)合bifpn同時(shí)將shape_i...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：石文孝，尹孝萱，劉維，石迪，劉安祺，李芊，
申請(qǐng)(專利權(quán))人：吉林大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。