(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210182687.X (22)申请日 2022.02.25 (71)申请人 高新兴科技 集团股份有限公司 地址 510530 广东省广州市黄埔区科 学城 开创大道 2819号六楼 (72)发明人 王祥雪　洪曙光　林焕凯　刘双广　 (74)专利代理 机构 广州国鹏知识产权代理事务 所(普通合伙) 44511 专利代理师 葛红 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于SSD改进算法的路侧端车辆感知方 法 (57)摘要 本发明属于路协同路侧端的车辆检测， 特别 是涉及一种基于SSD改进 算法的路侧端车辆感知 方法， 其通过基于caffe框架SSD的马赛克mo saic 在线数据增强算法， 以提高模型的准确率和鲁棒 性。 改进的基于跨阶段部分连接 方式和resnet18 的残差连接融合的特征提取模块， 具有更强的特 征表达能力， 减少前向计算耗时。 基于caffe框架 的SSD检测算法， 改进定位损失函数， 融合 Complete‑IOU定位损失函数， 提高检测框的准确 率， 使得模型 更快收敛。 权利要求书2页 说明书6页 附图3页 CN 114639084 A 2022.06.17 CN 114639084 A 1.一种基于S SD改进算法的路侧端车辆感知方法， 其特 征在于， 包括 步骤： S1： 数据预处理， 通过基于caffe框架SSD的mosaic在线数据增强算法， 进行车辆目标数 据标注和预处 理； S2： 模型训练， 采用改进的基于跨阶段部分连接方式和resnet18的残差连接融合的特 征提取模块进行车辆图片特征提取； 并基于caffe框架的SSD检测算法， 改进定位损失函数， 得到融合Complete ‑IOU的目标定位损失函数； S3： 模型推理， 使用步骤S2输出的模型参数， 进行算法模型前向计算， 得到目标类别和 预测框坐标。 2.根据权利要求1所述的基于SSD改进算法的路侧端车辆感知方法， 其特征在于， 在步 骤S1之前还 包括步骤： S0： 收集电警和卡口 的车辆图片数据， 对图片中的所有车辆进行 标注。 3.根据权利要求2所述的基于SSD改进算法的路侧端车辆感知方法， 其特征在于， 在所 述步骤S1中， 通过所述基于caffe框架SSD的mosaic在线数据增强算法， 固定输出标注后的 图片大小， 在区域内随机选择一点， 把图片分成四个区域， 将四张训练图片缩放到固定大小 安防到区域里面形成一张新的图片。 4.根据权利要求1所述的基于SSD改进算法的路侧端车辆感知方法， 其特征在于， 在所 述步骤S2中， 将所述改进的基于跨阶段部 分连接方式和resnet18的残差连接融合的特征提 取模块应用到特征提取主干网络， 输入的特征图分成按照比例50％分成part1和part2共两 份， part1不做任何处理， part2部分进行残差操作， 最后两部分使用concat 的方式进行汇 总。 5.根据权利要求1所述的基于SSD改进算法的路侧端车辆感知方法， 其特征在于， 所述 步骤S2中， 所述目标定位损失函数L ossIOU的计算公式如下： 其中， ρ()表示欧式距离， bpredict表示预测的边界框， bgt表示实际的边界框， c表示预测 框和实际框的最小外接矩阵的对角线距离， wgt表示实际边 界框的宽度， hgt表示实际边 界框 的高度， wpredict表示预测边界框的宽度， hpredict表示预测边界框的高度。 6.一种基于S SD改进算法的路侧端车辆感知系统， 其特 征在于， 包括： 数据预处理模块， 用于通过基于caffe框架SSD的mosaic在线数据增强算法， 进行车辆 目标数据标注和预处 理； 模型训练模块， 其包括改进的基于跨阶段部分连接方式和resnet 18的残差连接融合的权　利　要　求　书 1/2 页 2 CN 114639084 A 2特征提取模块和目标定位损失函数获取模块； 所述的目标定位损失函数获取模块基于 caffe框架的SSD检测算法， 改进定位损失函数， 得到融合Complete ‑IOU的目标定位损失函 数； 模型推理模块， 用于进行算法模型 前向计算， 得到目标类别和预测框坐标。 7.根据权利要求6所述的基于SSD改进算法的路侧端车辆感知系统， 其特征在于， 还包 括： 数据采集模块， 用于收集电警和卡口 的车辆图片数据， 对图片中的所有车辆进行 标注。 8.根据权利要求7所述的基于SSD改进算法的路侧端车辆感知方法， 其特征在于， 通过 所述基于caffe框架SSD的mosaic在线数据增强算法， 固定输出标注后的图片大小， 在区域 内随机选择一点， 把图片分成四个区域， 将四张训练图片缩放到固定大小安防到区域里面 形成一张新的图片。 9.根据权利要求6所述的基于SSD改进算法的路侧端车辆感知方法， 其特征在于， 将所 述改进的基于跨阶段部分连接方式和resnet18的残差连接融合的特征提取模块应用到特 征提取主干网络， 输入的特征图分成按照比例50％分成partl和part2共两份， part1不做任 何处理， part2部分进行残差操作， 最后两 部分使用co ncat的方式进行汇总。 10.根据权利要求6所述的基于SSD改进算法的路侧端车辆感知方法， 其特征在于， 所述 目标定位损失函数L ossIOU的计算公式如下： 其中， ρ()表示欧式距离， bpredict表示预测的边界框， bgt表示实际的边界框， c表示预测 框和实际框的最小外接矩阵的对角线距离， wgt表示实际边 界框的宽度， hgt表示实际边 界框 的高度， wpredict表示预测边界框的宽度， hpredict表示预测边界框的高度。权　利　要　求　书 2/2 页 3 CN 114639084 A 3