(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 202210959127.0 (22)申请日 2022.08.10 (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 王文琪　邓佩华　翟懿奎　江子义　 廖锦锐　梁雅淇　滕佳琳　李昱祺　 李文霸　李青　 (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 孙浩 (51)Int.Cl. G06V 20/17(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06V 20/54(2022.01) (54)发明名称 基于双分支编解码网络的车辆检测方法、 无 人机、 介质 (57)摘要 本申请实施例公开了一种基于双分支编解 码网络的车辆检测方法、 无人机、 介质， 其中， 方 法包括： 确定目标巡检区域， 所述目标巡检区域 包括多个巡检节点； 根据多个所述巡检节点确定 目标巡检 路径； 根据所述目标巡检 路径进行巡检 并拍摄待检测图像； 将所述待检测图像输入至预 先训练好的双分支编解码网络模型进行图像分 割处理， 得到分割图像； 根据所述分割图像确定 车辆检测结果。 根据本申请实施例提供的方案， 能够结合无人机以及双分支编解码网络模型对 目标巡检区域进行车辆检测， 从而有效提高车辆 检测的效率。 权利要求书2页 说明书10页 附图5页 CN 115393743 A 2022.11.25 CN 115393743 A 1.一种基于双分支编解码网络的车辆检测方法， 应用于无 人机， 其特 征在于， 包括： 确定目标巡检区域， 所述目标巡检区域包括多个巡检节点； 根据多个所述巡检节点确定目标巡检路径； 根据所述目标巡检路径进行巡检并拍摄待检测图像； 将所述待检测图像输入至预先训练好的双分支编解码网络模型进行图像分割处理， 得 到分割图像， 所述分割图像对应有图像分类信息； 根据所述图像分类信息和所述分割图像确定车辆检测结果。 2.根据权利要求1所述的基于双 分支编解码网络的车辆检测方法， 其特征在于， 所述双 分支编解码网络模型包括低帧分支网络、 高帧分支网络和分类器， 所述将所述待检测图像 输入至预 先训练好的双分支编解码网络模型进行图像分割处 理， 得到分割图像， 包括： 对所述待检测图像进行低帧率采样， 得到第一图像； 对所述待检测图像进行高帧率采样， 得到第二图像； 对所述第一图像输入至所述低帧分支网络进行 特征提取， 得到第一特 征图； 对所述第二图像输入至所述高帧分支网络进行 特征提取， 得到第二特 征图； 对所述第一特 征图进行全局平均池化处 理， 得到新的第一特 征图； 对所述第二特 征图进行全局平均池化处 理， 得到新的第二特 征图； 对所述新的第一特 征图和所述 新的第二特 征图进行融合处 理， 得到目标 特征图； 将所述目标 特征图输入至所述分类 器进行图像分割处 理， 得到所述分割图像。 3.根据权利要求2所述的基于双 分支编解码网络的车辆检测方法， 其特征在于， 所述低 帧分支网络包括第一编 码器和第一解码 器； 所述第一编 码器包括第一多头自注意力机制层 和第一前馈网络； 所述对所述第一图像输入至所述低帧分支网络进行特征提取， 得到第一 特征图， 包括： 将所述第一图像输入至所述第一多头自注意力机制层， 得到第一权 重矩阵； 对所述第一权 重矩阵进行归一 化处理， 得到第一中间数据； 将所述第一中间数据输入至所述第一前馈网络进行激活 处理， 得到第一编码结果； 将所述第一编码结果输入至所述第一解码器进行图像重建处理， 得到所述第一特征 图。 4.根据权利要求2所述的基于双 分支编解码网络的车辆检测方法， 其特征在于， 所述高 帧分支网络包括第二编 码器和第二解码 器； 所述第二编 码器包括第二多头自注意力机制层 和第二前馈网络； 所述对所述第二图像输入至所述低帧分支网络进行特征提取， 得到第二 特征图， 包括： 将所述第二图像输入至所述第二多头自注意力机制层， 得到第二权 重矩阵； 对所述第二权 重矩阵进行归一 化处理， 得到第二中间数据； 将所述第二中间数据输入至所述第二前馈网络进行激活 处理， 得到第二编码结果； 将所述第二编码结果输入至所述第二解码器进行图像重建处理， 得到所述第二特征 图。 5.根据权利要求1所述的基于双 分支编解码网络的车辆检测方法， 其特征在于， 所述双 分支编解码网络模型根据随机方向梯度直方图HO G掩码进行 预训练得到 。 6.根据权利要求1所述的基于双 分支编解码网络的车辆检测方法， 其特征在于， 所述根权　利　要　求　书 1/2 页 2 CN 115393743 A 2据所述图像分类信息和所述分割图像确定车辆检测结果， 包括： 当所述图像分类信 息满足预设的异常条件， 根据 所述分割图像和预设的车辆异常检测 规则得到所述分割图像的异常评分值； 当所述异常评分值大于或等于预设的评分阈值， 确定所述车辆检测结果为检测不通 过； 或者， 当所述异常评分值小于所述评分阈值， 确定所述车辆检测结果 为检测通过。 7.根据权利要求1所述的基于双 分支编解码网络的车辆检测方法， 其特征在于， 在所述 将所述待检测图像输入至预设的双分支编解码网络模型进 行图像分割处理， 得到分割图像 之前， 所述方法还 包括： 根据预设的预处 理规则对所述待检测图像进行图像预处 理。 8.一种无 人机， 其特 征在于， 包括： 目标巡检区域确定模块， 所述目标巡检区域确定模块用于确定目标巡检区域， 所述目 标巡检区域包括多个巡检节点； 目标巡检路径确定模块， 所述目标巡检路径确定模块根据多个所述巡检节点确定目标 巡检路径； 图像获取模块， 所述图像获取模块用于根据 所述目标巡检路径进行巡检并拍摄待检测 图像； 分割图像获取模块， 所述分割图像获取模块用于将所述待检测图像输入至预先训练好 的双分支编解码网络模型进行图像分割处理， 得到分割图像， 所述分割图像对应有图像分 类信息； 车辆检测结果获取模块， 所述车辆检测结果获取模块用于根据 所述图像分类信 息和所 述分割图像确定车辆检测结果。 9.一种无人机， 包括： 存储器、 处理器及存储在存储器上并可在处理器上运行的计算机 程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所 述的基于双分支编解码网络的车辆检测方法。 10.一种计算机可读存储介质， 存储有计算机可执行指令， 所述计算机可执行指令用于 执行如权利要求1至7中任意 一项所述的基于双分支编解码网络的车辆检测方法。权　利　要　求　书 2/2 页 3 CN 115393743 A 3