(19)中华 人民共和国 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 202111677392.1 (22)申请日 2021.12.31 (71)申请人 重庆文理学院 地址 402160 重庆市永川区红河大道319号 (72)发明人 郑讯佳　张洪杰　李会兰　陈星　 罗天洪　陈涛　刘永刚　 (74)专利代理 机构 北京海虹嘉诚知识产权代理 有限公司 1 1129 代理人 胡博文 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于改进YOLOv4模型的车辆 检测方法 (57)摘要 本发明公开了一种基于改进YOLOv4模型的 车辆检测方法， 包括步骤： S1.获取车辆图片数据 集； 所述车辆图片数据集包括若干车辆类型的车 辆图片信息； S2.对车辆图片数据集进行预处理， 得到处理后的图片数据集； S3 .构建改进的 YOLOv4模型， 并将处理后的 图片数据集输入到改 进的YOLOv4模型进行网络模型训练， 得到训练好 的改进YOLOv4模型； S4.将待测车辆图片输入到 训练好的改进YOL Ov4模型进行车辆检测， 输出待 测车辆的检测结果。 本发明能够提高车辆检测精 度， 减少了模型的参数量与计算量， 具有良好的 鲁棒性， 满足了车辆 检测的实时性要求。 权利要求书2页 说明书4页 附图3页 CN 114283390 A 2022.04.05 CN 114283390 A 1.一种基于改进YOLOv4模型的车辆检测方法， 其特 征在于： 包括如下步骤： S1.获取车辆图片数据集； 所述车辆图片数据集包括若干车辆类型的车辆图片信息； S2.对车辆图片数据集进行 预处理， 得到处 理后的图片数据集； S3.构建改进的YOLOv4模型， 并将处理后的图片数据集输入到改进的YOLOv4模型进行 网络模型训练， 得到训练好的改进YOLOv4模型； S4.将待测车辆图片输入到训练好的改进YOLOv4模型进行车辆检测， 输出待测车辆的 检测结果。 2.根据权利 要求1所述的基于改进YOLOv4模型的车辆检测方法， 其特征在于： 所述步骤 S2， 具体包括： 对车辆图片数据集进行 标记处理， 得到标记后的车辆图片数据集； 对标记后的车辆图片数据集进行图像翻转、 亮度调整、 图像加噪以及图像模糊处理， 得 到处理后的图片数据集。 3.根据权利 要求2所述的基于改进YOLOv4模型的车辆检测方法， 其特征在于： 对车辆图 片数据集进行 标记处理， 具体包括： 将车辆图片数据集设置为Pascal  VOC数据集格式； 将Pascal VOC数据集格式的车辆图片数据集 放入到目标文件夹； 利用LabelImg标注工具对目标文件夹内的车辆图片数据集进行标注， 得到车辆图片对 应的XML文件以及车辆图片编号信息 。 4.根据权利 要求1所述的基于改进YOLOv4模型的车辆检测方法， 其特征在于： 构 建改进 的YOLOv4模型， 具体包括： 使用深度可分离卷积代替YOLOv4模型中3 ×3的标准卷积； 在保留YOLOv4模型输出层的同时， 增加一层网格为n ×n的输出层， 并采用K ‑means聚类 算法重新确定若干锚框； 在YOLOv4模型的He ad中引入Inceptionv3结构， 使得所述Head包括若干条并行线路； 其 中， 输入到Head中的数据信息经过所述若干条并行线路的并行处理后， 得到若干处理结果， 所述若干处 理结果进行堆叠后输出。 5.根据权利 要求4所述的基于改进YOLOv4模型的车辆检测方法， 其特征在于： 增加一层 网格为n×n的输出层后， 根据如下 方法对网络结构中同尺寸特 征图进行拼接： 将路径聚合网络PANet 中网格为 的特征层进行上采样得到网格为n ×n的特征层， 并将网格为n ×n的特征层与浅层 网格为n×n的特征层进行堆叠以及若干次卷积后得到新 的特征层。 6.根据权利 要求4所述的基于改进YOLOv4模型的车辆检测方法， 其特征在于： 根据如下 K‑means聚类算法重新确定若干锚框： a.从聚类对象中随机 选取K个聚类中心； b.计算每 个聚类对象到聚类中心的距离， 并将每 个聚类对象聚类到最近的聚类中； c.求取每 个聚类中所有对象的坐标平均值， 并将平均值作为聚类中心的新 坐标； d.重复执行步骤b ‑c， 直到聚类中心坐标的移动范围在设定的阈值内或者聚类次数达 到设定上限为止 。权　利　要　求　书 1/2 页 2 CN 114283390 A 27.根据权利 要求4所述的基于改进YOLOv4模型的车辆检测方法， 其特征在于： 所述若干 条并行线路包括第一线路、 第二线路、 第三线路以及第四线路； 所述第一线路利用1 ×1的卷积核对输入的数据信息进行1次卷积 操作， 得到结果1； 所述第二线路先利用1 ×1的卷积核对输入的数据信息进行1次卷积操作， 得到卷积后 的结果， 再对卷积后的结果利用5 ×5的卷积核 进行1次卷积 操作， 得到结果2； 所述第三线路先利用1 ×1的卷积核对输入的数据信息进行1次卷积操作， 得到卷积后 的结果， 再对卷积后的结果利用3 ×3的卷积核连续进行2次卷积 操作， 得到结果3； 所述第四线路先对输入的数据信息进行池化为3 ×3的平均池化操作， 得到池化后的结 果， 再对池化后的结果利用1 ×1的卷积核 进行1次卷积 操作， 得到结果 4。权　利　要　求　书 2/2 页 3 CN 114283390 A 3