一种基于深度学习的交通场景目标检测方法及系统

摘要

本发明公开了一种基于深度学习的交通场景目标检测方法及系统，利用改进的YOLOv3目标检测方法检测车辆和行人，包括为实现交通场景特征提取建立改进的YOLOv3模型并进行训练，所述改进的YOLOv3模型基于边界框的中心信息和大小信息，对边界框进行建模，得到相应高斯模型，以预测边界框的不确定性，并相应设置损失函数；将车载收集的交通视频分解为图片并进行标记，将图片输入到经过训练所得改进的YOLOv3模型，识别出交通场景中的车辆和行人。本发明对YOLOv3进行高斯建模和损失函数重构减少训练过程中噪声数据的影响并预测定位不确定性来提高精度，使用该预测的定位不确定性，可以进一步提高检测精度。