基于YOLO的前方車輛檢測(cè)

（上海工程技術(shù)大學(xué)機(jī)械與汽車工程學(xué)院 上海 201620）

1 引言

自動(dòng)駕駛包括環(huán)境感知、決策規(guī)劃和執(zhí)行三大任務(wù)［1］。在各類引起交通事故的因素中，人類因素占90%，駕駛員違法占74%，對(duì)車輛進(jìn)行實(shí)時(shí)準(zhǔn)確的識(shí)別，是自動(dòng)駕駛中環(huán)境感知的重要任務(wù)。傳統(tǒng)目標(biāo)檢測(cè)的過程包括區(qū)域選擇、特征提取和分類器三個(gè)過程［2～3］。它采用不同尺寸不同長(zhǎng)寬比例的滑動(dòng)窗口對(duì)整幅圖進(jìn)行遍歷。顯然，這種方法的缺點(diǎn)是時(shí)間復(fù)雜度太高，且對(duì)更多的目標(biāo)的適應(yīng)性較差。前方車輛識(shí)別中之前的深度學(xué)習(xí)的檢測(cè)方法是提取圖像的候選區(qū)域的特征信息，在利用機(jī)器學(xué)習(xí)的分類器進(jìn)行候選驗(yàn)證。比如說，RCNN［4～5］系列目標(biāo)檢測(cè)大致分為獲取候選區(qū)域和對(duì)候選區(qū)域進(jìn)行分類判斷以及邊框回歸兩部分，它的精度比較高，但是帶來的問題就是運(yùn)行速度慢。YOLO是目前最快的識(shí)別算法［6～8］，它是一種深度學(xué)習(xí)的端對(duì)端的物體檢測(cè)方法，與RCNN不同的是，YOLO將物體檢測(cè)任務(wù)當(dāng)做一個(gè)regression問題來處理。車輛能夠?qū)崿F(xiàn)實(shí)時(shí)性的幀率是30fps，YOLO能夠同時(shí)保證準(zhǔn)確率和檢測(cè)速度，YOLO的標(biāo)準(zhǔn)模型能夠達(dá)到45fps，而tiny-YOLO能夠達(dá)到155fps。多數(shù)研究者對(duì) YOLOv2 進(jìn)行了研究，SEO［9］運(yùn)用 YOLOv2 算法和無人機(jī)對(duì)高速公路上的車輛進(jìn)行了實(shí)時(shí)檢測(cè)研究，魏湧明等［10］運(yùn)用YOLOv2算法對(duì)航拍圖像進(jìn)行了目標(biāo)定位研究，HANG等［11］運(yùn)用YOLOv2算法進(jìn)行了中文交通標(biāo)志的實(shí)時(shí)檢測(cè)研究，JO等［12］運(yùn)用YOLOv2算法進(jìn)行了多目標(biāo)的實(shí)時(shí)跟蹤研究。

2 YOLO的檢測(cè)思路

YOLO和基本的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)一樣，由卷積層、池化層和全連接層組成，YOLO的輸出層是Tensor。YOLO網(wǎng)絡(luò)架構(gòu)借鑒了GoogLeNet圖像分類模型，YOLO識(shí)別網(wǎng)絡(luò)由24個(gè)卷積層和兩個(gè)全連接層組成。實(shí)驗(yàn)中，利用pascal voc數(shù)據(jù)集圖像作為YOLO的訓(xùn)練樣本，因?yàn)閅OLO是端對(duì)端的網(wǎng)絡(luò)，可以直接將整張圖像用于訓(xùn)練。整張圖像分為SxS個(gè)網(wǎng)格，每個(gè)網(wǎng)格中有物體中心落入時(shí)，會(huì)再預(yù)測(cè)出B個(gè)檢測(cè)邊界框以及每個(gè)框的置信度。每個(gè)檢測(cè)邊界框包含邊界框的寬和高，邊界框的中心相對(duì)其母網(wǎng)絡(luò)的位置，C個(gè)類別概率，最終輸出層輸出S×S（B×5+C）維的張量。YOLO對(duì)于輸出層數(shù)據(jù)同等對(duì)待是不合理的，同時(shí)大部分網(wǎng)格中沒有物體中心落入，在訓(xùn)練時(shí)的梯度會(huì)待遇包含物體中心的網(wǎng)格的梯度，導(dǎo)致訓(xùn)練發(fā)散，所以YOLO給定位誤差更大的權(quán)重，給不包含物體中心的網(wǎng)格的置信度誤差更小的權(quán)重，其他置信度誤差將不變。

3 YOLO的訓(xùn)練過程

YOLO算法和其他的神經(jīng)網(wǎng)絡(luò)［13～15］一樣，也需要通過標(biāo)注大量的圖像后，送入到神經(jīng)網(wǎng)絡(luò)模型當(dāng)中，訓(xùn)練出神經(jīng)網(wǎng)絡(luò)的參數(shù)，以便能夠更好地利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型去檢測(cè)該目標(biāo)。

3.1 圖像的標(biāo)注

將數(shù)據(jù)集分類放在不用的文件夾中，利用標(biāo)注工具LabelImg標(biāo)注工具對(duì)車輛進(jìn)行標(biāo)注。標(biāo)注時(shí)矩形框應(yīng)該僅僅貼住車輛的邊緣，以防止訓(xùn)練時(shí)無法收斂。

圖1 車輛數(shù)據(jù)集標(biāo)注界面

3.2 修改配置文件

下載pascal voc數(shù)據(jù)集，利用Labelimg表框工具對(duì)圖像進(jìn)行手工標(biāo)注，數(shù)據(jù)集分割比例為5：3：2，訓(xùn)練集比例是50%，測(cè)試集比例是30%，驗(yàn)證集比例是20%。根據(jù)自己電腦來配置yolov3.cfg中的參數(shù)，將classes改成1，將每個(gè)yolo上面第一個(gè)con?volutional下的filters改成18，打開voc.names文件，內(nèi)容改成car，同時(shí)修改voc.data等，打開win系統(tǒng)終端，輸入訓(xùn)練命令進(jìn)行訓(xùn)練，訓(xùn)練時(shí)，每訓(xùn)練100輪，都會(huì)生成一個(gè)權(quán)重文件在backup下，得到的權(quán)重復(fù)制到相應(yīng)的文件夾中，打開終端，輸入要測(cè)試的圖片路徑，就可以看到效果。

4 YOLO的評(píng)價(jià)方法

計(jì)算檢測(cè)邊界框和參考標(biāo)準(zhǔn)狂的IOU值，以此判斷結(jié)果中假正例和真正例，當(dāng)IOU≥0.5時(shí)，為真正例；當(dāng)IOU＜0.5時(shí)，為假正例；其值為0時(shí)，則為假反例。查全率=TP/（TP+FN），差準(zhǔn)率=TP/（TP+FP），TP，F(xiàn)P和FN分別為真正例、假正例和假反例的數(shù)量［16］。

5 實(shí)驗(yàn)結(jié)果

對(duì)不用姿態(tài)的車輛的檢測(cè)效果如圖2～5，從圖中可以看出，YOLO算法對(duì)車輛之間遮擋時(shí)的檢測(cè)效果、陰影干擾等環(huán)境下的檢測(cè)效果也很好。

圖2 車輛正面檢測(cè)效果

圖3 車輛背面檢測(cè)效果

圖4 多車輛檢測(cè)效果

圖5 陰影環(huán)境下車輛檢測(cè)效果

6 結(jié)語(yǔ)

本文應(yīng)用YOLO檢測(cè)算法實(shí)現(xiàn)視頻中的車輛檢測(cè)，滿足了自動(dòng)駕駛中實(shí)時(shí)性的要求，也說明了YOLO對(duì)于處理其他視覺任務(wù)的能力。