(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 202210378264.5 (22)申请日 2022.04.12 (71)申请人 北京科技大 学 地址 100083 北京市海淀区学院路3 0号 (72)发明人 蓝金辉　狄祥　宋云广　张铖　 罗威　郑怡笑　 (74)专利代理 机构 北京市炜衡律师事务所 11375 专利代理师 王加莹 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/80(2022.01) (54)发明名称 一种目标车辆 检测方法、 装置、 设备及 介质 (57)摘要 本申请公开了一种目标车辆检测方法、 装 置、 设备及介质， 方法包括获取图像， 对 所述图像 进行预处理， 获得预处理后的图像； 构建最优多 层特征融合车辆检测模型； 通过最优多层特征融 合车辆检测模型对所述预处理后的图像进行目 标车辆检测， 获得目标车辆。 能够实现高质量图 像的获取， 提高目标车辆识别的效率。 权利要求书2页 说明书8页 附图4页 CN 114863297 A 2022.08.05 CN 114863297 A 1.一种目标 车辆检测方法， 其特 征在于， 所述方法包括以下步骤： 获取图像， 对所述图像进行 预处理， 获得预处理后的图像； 构建最优多层特 征融合车辆检测模型； 通过最优多层特征融合车辆检测模型对所述预处理后的图像进行目标车辆检测， 获得 目标车辆。 2.根据权利要求1所述的一种目标车辆检测方法， 其特征在于， 所述对所述图像进行预 处理包括： 通过自适应Gam ma光照校正方法对获取的图像进行 预处理。 3.根据权利要求2所述的一种目标车辆检测方法， 其特征在于， 所述通过自适应Gamma 光照校正方法对获取的图像进行 预处理， 包括： 所述图像通过RGB空间算法， 获得 所述图像的灰度强度均值； 所述图像利用多尺度高斯 函数卷积算法， 获得 所述图像的光照分量； 利用所述光照分量和所述灰度强度均值对所述图像进行二维伽马校正， 获得亮度 校正 图像； 将所述亮度矫 正图像转换为RGB图像， 完成所述图像的预处 理。 4.根据权利要求3所述的一种目标车辆检测方法， 其特征在于， 所述图像利用多尺度高 斯函数卷积算法， 获得 所述图像的光照分量， 包括： 所述图像从RGB空间转化为HSV空间， 所述HSV空间包含色调分量、 饱和度分量和亮度分 量； 利用多尺度高斯 函数卷积对所述亮度分量进行计算， 获得 所述图像的光照分量。 5.根据权利要求1所述的一种目标车辆检测方法， 其特征在于， 所述构建最优多层特征 融合车辆检测模型， 包括： 获取目标图像， 对 含有有效目标的目标图像进行 标注， 构建目标 数据集； 将所述目标 数据集分为训练集和验证集； 通过跳跃自适应学习结构、 三重注意力机制、 YOLOv4 ‑tiny骨干 网络、 空间金字塔池化、 Bottom‑up Path Augmentati on结构和yo lo head构建多层特 征融合车辆检测模型； 利用所述训练集和验证集对多层特征融合车辆检测模型进行迭代训练， 获得最优多层 特征融合车辆检测模型。 6.根据权利要求1所述的一种目标车辆检测方法， 其特征在于， 所述获得目标车辆之 后， 还包括： 利用空间多参数像素映射地理坐标定位算法， 获得目标车辆在地理坐标系下的经纬 度。 7.根据权利要求1所述的一种目标车辆检测方法， 其特征在于， 所述获得目标车辆之 后， 还包括： 根据所述目标 车辆， 获得 所述预处 理后的图像内的所述目标 车辆总数量。 8.一种目标 车辆检测装置， 其特 征在于， 所述装置包括： 视频流数据采集模块， 用于获取图像， 对所述图像进行 预处理， 获得预处理后的图像； 检测模型训练模块， 用于构建最优多层特 征融合车辆检测模型； 数据处理及检测定位模块， 用于通过最优多层特征融合车辆检测模型对所述预处理后权　利　要　求　书 1/2 页 2 CN 114863297 A 2的图像进行目标 车辆检测， 获得目标 车辆。 9.一种电子设备， 其特征在于， 包括至少一个处理器及存储器， 存储器存储有程序， 并 且被配置成至少一个处 理器执行权利要求1 ‑7任一项所述的一种目标 车辆检测方法。 10.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质存储计算机指令， 该计算机指令用于使该计算机执 行权利要求1 ‑7中任一项所述的一种目标 车辆检测方法。权　利　要　求　书 2/2 页 3 CN 114863297 A 3