(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 202211248554.4 (22)申请日 2022.10.12 (71)申请人 淮南师范学院 地址 232038 安徽省淮南市洞山西路 (72)发明人 孙业国　刘义红　刘磊　张龙　 张科　 (74)专利代理 机构 北京深川专利代理事务所 (普通合伙) 16058 专利代理师 疏亚雅 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习的目标检测系统 (57)摘要 本发明属于目标检测系统技术领域， 具体的 说是一种基于深度学习的目标检测系统， 主要应 用于汽车自动驾驶方面， 包括数据标记模块、 数 据存储模块、 数据处理模块、 数据验证模块、 仿真 模拟模块和结果记录模块， 所述结果记录模块用 以保存记录模拟通过的数据， 以备后续导入到自 动驾驶系统中， 用以提供自动驾驶的目标检测； 本发明通过仿真模拟将相关数据导入到结果记 录模块中进行存储， 并自动更新之前的数据， 以 此保证结果记录模块一直存储着最新的稳定数 据， 保证了数据调用时不会出现紊乱的情况， 同 时降低了过往 数据对系统内存的占用， 降低了过 往数据的内存占用， 引发目标检测系统运行效率 下降的影响。 权利要求书1页 说明书5页 附图2页 CN 115544885 A 2022.12.30 CN 115544885 A 1.一种基于深度学习的目标检测系统， 其特 征在于， 包括： 数据标记模块， 所述数据标记模块用以对道路上的物体进行标记， 并对每一个物体赋 予独立的编号； 数据存储模块， 所述数据存储模块用以将数据标记模块中标记的数据进行保存， 并根 据标记的类别编号进行分类； 数据处理模块， 所述数据处 理模块用以分析处 理数据存 储模块中的存 储数据； 数据验证模块， 所述数据验证模块用以将处理后的数据进行归类整理， 并验证每一项 数据是否存在错 误； 仿真模拟模块， 所述数据验证模块采用验证完整且正确的数据， 然后将数据导入到程 序进行仿真模拟， 确认目标检测系统能否检测到模拟目标信息， 并进行识别； 结果记录模块， 所述结果记录模块用以保存记录模拟通过的数据， 以备后续导入到自 动驾驶系统中， 用以提供自动驾驶的目标检测。 2.根据权利要求1所述一种基于深度 学习的目标检测系统， 其特征在于： 所述数据 标记 模块基于摄像头和激光雷达进行目标检测， 所述摄像头和激光雷达采集到数据后， 所述从 数据标记模块自动对常规物体进行 标记。 3.根据权利要求2所述一种基于深度 学习的目标检测系统， 其特征在于： 所述数据 标记 模块针对无法识别的物体， 会将其单独收储在一个文件夹中， 然后技术员手动对这些物体 添加标记。 4.根据权利要求1所述一种基于深度 学习的目标检测系统， 其特征在于： 所述数据存储 模块基于云盘存储和本地硬盘存储两种方式， 防止数据丢失损坏无法找到原始数据源进 行 替换。 5.根据权利要求4所述一种基于深度 学习的目标检测系统， 其特征在于： 所述数据存储 模块中设有两个独立的存储层， 两个独立所述存储层用以分别存储目标类别检测数据和目 标实例检测数据。 6.根据权利要求1所述一种基于深度 学习的目标检测系统， 其特征在于： 所述数据处理 模块用以将数据存 储模块中的标记数据制作成所述数据验证模块能够识别的数据。 7.根据权利要求1所述一种基于深度 学习的目标检测系统， 其特征在于： 所述数据验证 模块用以验证数据完整性， 防止进入到所述仿真模拟模块中的数据不完整， 而导致仿真模 拟失败， 需要花费较多的时间进行故障排 查。 8.根据权利要求1所述一种基于深度 学习的目标检测系统， 其特征在于： 所述仿真模拟 模块利用收集的数据进行三维仿真模拟， 验证目标检测系统的识别准确 率， 在模拟中及时 发现问题， 并优化目标识别的效率， 降低目标检测系统的内存占用比例。 9.根据权利要求1所述一种基于深度 学习的目标检测系统， 其特征在于： 所述结果记录 模块定期对保存的数据进行筛选， 自动去除冗余无用的数据， 以此提高目标检测系统的运 行速度。 10.根据权利要求9所述一种基于深度学习的目标检测系统， 其特征在于： 所述结果记 录模块中包括数据对比库， 所述数据对比库中存储有当前 的最新数据， 用以和过往冗余无 用数据进行对比， 实现对数据的筛 选。权　利　要　求　书 1/1 页 2 CN 115544885 A 2一种基于深度学习的目标 检测系统 技术领域 [0001]本发明属于目标检测系统技术领域， 具体的说是一种基于深度学习的目标检测系 统。 背景技术 [0002]在人工智能领域， 汽车自动驾驶一直是一个重要的研究方向， 通过智能辅助驾驶 系统对有些人为疏忽造成的危险进行规避， 能够最大程度上避免悲剧的发生； 目前 的自动 驾驶目标检测系统主要依靠摄像头和激光雷达检测车辆前方场景中的各种物体类别和 位 置， 进而将相关的信息传递到目标检测系统中进行分析， 当在危险出现之前， 采取紧急制 动。 [0003]目前的目标检测系统检测流程， 主要为目标类别检测和目标实例检测， 第一步先 找到物体的位置， 第二步对该位置物体进 行分类； 目标实例检测具有 更细的粒度， 例如在检 测到车辆或人 的时候会给出， 这辆车是具体的某个牌子和型号， 在人这个类别中会具体某 一个人， 而目标类别的检测则 关注当前检测到的物体是哪一类， 比如： 在自动驾驶场景中， 只会给出检测到的摄像头 收集到的当前场景中包含的物体类别， 如： 人、 车、 建筑物或红绿 灯等。 [0004]现有的目标检测系统基于深度学习技术中非常经典的目标检测框架Faster  R‑ CNN， 尝试不同的特征提取层， 训练出一个速度和精度表现都非常不错的模型， 并应用到系 统中， 主要是在Faster  R‑CNN原版的VGG16和ZF模型的基础上， 用来作为特征的提取， 以此 实现目标检测系统的深度学习。 [0005]虽然上述学习框架能够有效保证目标检测系统进行自主学习优化， 并应用在自动 驾驶系统中， 但是上述 目标检测方法在检测过程中会产生大量的冗余数据， 若不及时将这 些冗余数据从 中筛分出来， 随着目标检测系统运行时间的延 长， 会增加系统的存储压力， 并 且数据越来越多还 会影响目标检测系统的反应效率， 使得系统长期运行后， 检测效率下降。 [0006]鉴于此， 本发明为了解决上述问题， 提出了一种基于深度学习的目标检测系统。 发明内容 [0007]为了弥补现有技术的不足， 根据现有技术中目标检测系统在长期运行后， 内部会 充斥大量的冗余数据， 影响目标检测系统运行效率等问题， 本发明提出一种基于深度学习 的目标检测系统。 [0008]本发明解决其 技术问题所采用的技 术方案是： [0009]本发明所述的1.一种基于深度学习的目标检测系统， 其特 征在于， 包括： [0010]数据标记模块， 所述数据标记模块用以对道路上的物体进行标记， 并对每一个物 体赋予独立的编号； [0011]数据存储模块， 所述数据存储模块用以将数据标记模块中标记的数据进行保存， 并根据标记的类别编号进行分类；说　明　书 1/5 页 3 CN 115544885 A 3