(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 202210309781.7 (22)申请日 2022.03.25 (71)申请人 五邑大学 地址 529000 广东省江门市蓬江区东成村 22号 (72)发明人 郭俊麟　董超俊　欧凯瞳　黄婉霞　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 冯健良 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/70(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01)G06T 3/40(2006.01) (54)发明名称 多目标车辆 检测方法、 装置及存 储介质 (57)摘要 本发明公开了多目标车辆检测方法、 装置及 存储介质； 其中方法包括获取车辆图像； 调整车 辆图像的分辨率； 将车辆图像输入至车辆检测模 型中进行车辆检测得到多个车辆的外观特征； 车 辆检测模型基于U －net网络 结构， 车辆检测模型 设有多个依次连接的下采样模块， 下采样模块设 有包括通道注意力结构和空间注意力结构的注 意力模块； 将注意力机制引入到下采样模块， 在 下采样过程对有用信息进行增强， 能够获取更丰 富的语义信息， 提升检测和追踪的性能； 利用通 道注意力和空间注意力两方面， 有利于提高检测 精度。 权利要求书3页 说明书8页 附图3页 CN 115169427 A 2022.10.11 CN 115169427 A 1.多目标 车辆检测方法， 其特 征在于， 包括： 获取车辆图像； 调整所述车辆图像的分辨 率； 将经调整分辨率后的所述车辆图像输入至车辆检测模型中进行车辆检测， 得到多个车 辆的外观特 征； 其中， 所述车辆检测模型基于U－net网络结构， 所述车辆检测模型设有多个依次连接 的下采样模块， 所述下采样模块设有包括通道注意力结构和空间注意力结构的注意力模 块。 2.根据权利要求1所述的多目标车辆检测方法， 其特征在于， 所述多目标车辆检测方法 还包括： 将第一特征图输入至所述通道注意力结构， 所述第 一特征图是根据所述车辆图像得到 的； 通过所述通道注意力结构， 对所述第一特征图进行最大池化和平均池化操作， 得到多 个第一特 征向量， 所述第一特 征向量的宽和高均被压缩为1； 通过所述通道注意力结构， 对所述第一特征向量在通道层面进行压缩， 然后对所述第 一特征向量在通道层面进行恢复， 得到第二特 征向量； 通过所述通道注意力结构， 对多个所述第二特征向量进行相加， 并由激活函数处理得 到通道特 征； 将第二特征图输入至所述空间注意力结构， 所述第 二特征图是根据所述车辆图像得到 的； 通过所述空间注意力结构， 对所述第二特征图进行最大池化和平均池化操作， 得到多 个第三特 征向量， 所述第三特 征向量的通道数被压缩为1； 通过所述空间注意力结构， 将多个所述第三特征向量按通道连接， 得到多个第 四特征 向量； 通过所述空间注意力结构， 将多个所述第 四特征向量通过卷积进行压缩， 并由激活函 数处理得到空间特 征。 3.根据权利要求1所述的多目标车辆检测方法， 其特征在于， 所述车辆检测模型对U－ net网络结构的每层输出进行跨尺度的特 征融合； 所述特征融合， 包括： 将U－net网络结构的下层输出的特征图通过第 一可变形卷积模块进行上采样操作， 得 到上采样特 征图； 将U－net网络结构的上层输出的特征图和所述上采样特征图按通道进行连接， 得到 融 合特征图； 将所述融合特 征图输入至第二可变形 卷积模块进行压缩， 得到目标融合特 征。 4.根据权利要求1所述的多目标车辆检测方法， 其特征在于， 所述将经调整分辨率后的 所述车辆图像输入至车辆检测模型中进行 车辆检测， 得到多个车辆的外观特 征， 包括： 在所述车辆检测模型的轨迹关联过程中， 以离散二维高斯函数作为权重衰减系数， 改 变特征图的特征提取区域， 在改变后的所述特征提取区域内进行特征提取得到提取特征， 将所述提取特征加权求和， 得到所述外观特 征。权　利　要　求　书 1/3 页 2 CN 115169427 A 25.多目标 车辆检测装置， 其特 征在于， 包括： 图像获取 单元， 用于获取 车辆图像； 分辨率调整单 元， 用于调整所述车辆图像的分辨 率； 检测处理单元， 用于将经调整分辨率后的所述车辆图像输入至车辆检测模型中进行车 辆检测， 得到多个车辆的外观特 征； 其中， 所述车辆检测模型基于U－net网络结构， 所述车辆检测模型设有多个依次连接 的下采样模块， 所述下采样模块设有包括通道注意力结构和空间注意力结构的注意力模 块。 6.根据权利要求5所述的多目标车辆检测装置， 其特征在于， 所述通道注意力结构包 括： 第一通道注意力子结构， 用于对第一特征图进行最大池化和平均池化操作， 得到多个 第一特征向量， 所述第一特征向量的宽和高均被压缩为 1， 所述第一特征图是根据所述车辆 图像得到的； 第二通道注意力子结构， 用于对所述第一特征向量在通道层面进行压缩， 然后对所述 第一特征向量在通道层面进行恢复， 得到第二特 征向量； 第三通道注意力子结构， 用于对多个所述第二特征向量进行相加， 并由激活函数处理 得到通道特 征； 所述空间注意力结构包括： 第一空间注意力子结构， 用于对所述第二特征图进行最大池化和平均池化操作， 得到 多个第三特征向量， 所述第三特征向量的通道数被压缩为 1， 所述第二特征图是根据所述车 辆图像得到的； 第二空间注意力子结构， 用于将多个所述第三特征向量按通道连接， 得到多个第 四特 征向量； 第三空间注意力子结构， 用于将多个所述第 四特征向量通过卷积进行压缩， 并由激活 函数处理得到空间特 征。 7.根据权利要求5所述的多目标车辆检测装置， 其特征在于， 所述车辆检测模型包括特 征融合模块， 用于对U－ net网络结构的每层输出进行跨尺度的特 征融合； 所述特征融合模块， 包括： 上采样单元， 用于将U－net网络结构的下层输出的特征图通过第 一可变形卷积模块进 行上采样操作， 得到上采样特 征图； 连接单元， 用于将U－net网络结构的上层输出的特征图和所述上采样特征图按通道进 行连接， 得到融合特 征图； 压缩单元， 用于将所述融合特征图输入至第二可变形卷积模块进行压缩， 得到目标融 合特征。 8.根据权利要求5所述的多目标车辆检测装置， 其特征在于， 所述检测处理单元包括目 标特征提取单元， 用于在轨迹关联过程中， 以离散二 维高斯函数作为权重衰减系数， 改变特 征图的特征提取区域， 在改变后的所述特征提取区域内进行特征提取得到提取特征， 将所 述提取特征加权求和， 得到所述外观特 征。 9.多目标车辆检测装置， 其特征在于， 包括： 存储器、 处理器及存储在存储器上并能在权　利　要　求　书 2/3 页 3 CN 115169427 A 3