(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 202210490050.7 (22)申请日 2022.05.07 (71)申请人 厦门瑞为信息技 术有限公司 地址 361000 福建省厦门市厦门火炬高新 区软件园华讯楼C区B1F-1 12 (72)发明人 陈明木　王汉超　徐绍凯　贾宝芝　 何一凡　 (74)专利代理 机构 厦门天诚欣创知识产权代理 事务所(普通 合伙) 35266 专利代理师 张浠娟 (51)Int.Cl. G06V 20/58(2022.01) G06V 40/10(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01)G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种车辆盲区的检测系统 (57)摘要 本发明提供一种车辆盲区的检测系统， 实现 过程包括下述步骤： S1、 收集盲区数据集， 并进行 样本标注； S2、 基于Yolov5网络， 进行盲区检测和 分割联合网络结构的构建， 并改进检测分支训练 时的样本分配策略； 所述盲区检测和分割联合网 络结构包括两个检测分支和一个分割分支； S3、 根据所述样本分配策略确定训练过程中正负样 本， 进行检测和回归联合训练， 得到训练好的车 辆盲区的检测模型。 本发明基于Yolov5框架， 定 制了一个检测和分割联合的多任务网络结构， 在 训练阶段可以同时提高检测和分割算法的精度； 改进样本分配策略， 提升检测精度； 即可在后处 理阶段， 利用分割分支结果使检测的目标外接框 更加稳定， 从而得到障碍物的精准 落脚点。 权利要求书1页 说明书5页 附图3页 CN 114782923 A 2022.07.22 CN 114782923 A 1.一种车辆盲区的检测系统， 其特征在于： 包括车辆盲区的检测模型， 所述检测模型的 实现过程包括下述 步骤： S1、 收集盲区数据集， 并进行样本标注， 标出每张图片样本的前景目标包围框、 前景目 标类别， 以及前景分割像素所属类别； 并将标注好的前景目标包围框标签转换成yolo格式 标签； S2、 基于Yolov5 网络， 进行盲区检测和分割联合网络结构的构 建， 并改进检测分支训练 时的样本分配策略； 所述盲区检测和分割联合网络结构包括输入层， 骨干网、 特征金字塔 融合层、 两个检测 分支和一个 分割分支； 所述两个检测分支分别用于正负样 本的分配和分类、 回归的训练， 并 输出前景目标类别， 所述分割分支用于对检测分支输出的前景目标类别进一步精确到像素 级别， 从而得到前 景分割像素 所属类别； 所述样本分配策略为： 若检测目标的宽高比等于1时， 将中心点的锚框和与该中心点最 近的两个锚框作为正样本； 若检测目标的宽高比小于1时， 只取中心点和纵向最近的临近 点， 若检测目标的宽高比大于1时， 只取中心 点和横向最近的临近点， 作为正样本， 其余点则 作为负样本； S3、 根据所述样本分配策略确定训练过程中正负样本， 进行检测和回归联合训练， 得到 训练好的车辆盲区的检测模型。 2.根据权利要求1所述的一种车辆盲区的检测系统， 其特征在于： 所述步骤S3中， 两个 所述检测分支包括样本检测分类分支和回归分支， 所述样本检测分类分支采用二进制交叉 熵损失函数进行训练， 所述回归分支采用CIOU损失函数训练； 所述分割分支采用二进制交 叉熵损失函数训练； 训练时背景 标签设为0， 前 景目标类别标签为1、 2、 3 …n， n为大于等1的整数。 3.根据权利要求1所述的一种车辆盲区的检测系统， 其特征在于： 部署后用于执行下述 盲区检测过程： 通过摄像头模块获取实时盲区监测图片； 读取检测模型文件， 并将监测图片输入到调用接口进行 前向推理； 获取前向推理结果， 包括检测结果和分割结果； 所述检测结果主要通过解码获取到障 碍物包围框； 所述分割结果主要 是获取前景目标， 然后提取最小包围框来修正检测框结果， 从而精准获知障碍物在地 面的落脚点。 4.根据权利要求3所述的一种车辆盲区的检测系统， 其特征在于： 对于车辆的右侧盲 区， 在获取 前向推理结果后还 包括： 通过修正检测框结果判断修正后的检测框属于预设的第几级告警区域内， 并根据判断 结果对应的告警级别及时作出 预警， 提示司机小心驾驶。权　利　要　求　书 1/1 页 2 CN 114782923 A 2一种车辆盲区的检测系统 技术领域 [0001]本发明涉及车辆驾驶障碍物检测的技术领域， 特别涉及 一种车辆盲区的检测系统 及其实现方法。 背景技术 [0002]进入21世纪后， 国家发展越来越迅速， 随之而来的就是社会车辆、 货运车辆保有量 剧增， 进而导致交通事故的增加， 其中有一部分是因为部分车辆如渣土车、 货车等， 在驾驶 过程中左右侧存在较大 的视野盲区， 司机看不见盲区的实时情况， 在车辆驾驶状态发生改 变时， 容易碰撞到盲区里的行 人、 自行车、 电动车等障碍物， 从而导 致严重的交通事故。 [0003]本方案主要针对货车、 渣土车在行车过程中， 对于车辆左后右后不可见的盲区进 行侦测， 确认是否存在障碍物， 以及障碍物在地面的准确 落脚点， 如果存在障碍物， 且其落 脚点在危险的范围内， 那么需要发出告警提示司机小心和减速行驶， 以确保行车安全。 其中 障碍物主 要包括行 人、 骑车的人。 [0004]为了能实时的对盲区的情况进行监测， 现在很多方法都是直接利用 雷达进行监 测， 或者使用基于视觉的目标检测方法进 行监测。 基于雷达的缺陷就是成本较高， 而且不能 判断障碍物的类型。 基于视觉的目标检测方法能够有效降低 成本， 但是现有的方案有两个 缺点， 第一， 检测准确率较低； 第二， 检测框存在较大波动， 这样会导致当报警区域内出现行 人后， 不能实时、 快速进 行预警； 第三， 不能精准定位到障碍物的落脚点， 导致无法精确定位 到障碍物的实际位置； 第四， 在盲区监测任务上， 全景分割精度不如只关注前景来得高， 而 且全景分割标注成本比较高。 发明内容 [0005]本发明要解决的技术问题， 在于提供一种车辆盲区的检测系统， 辅助司机驾驶过 程中对于盲区范围内障碍物的自动监测 和精准定位， 以及能够实时、 快速的产生告警响应。 [0006]本发明提供了一种车辆盲区的检测系统， 包括车辆盲区的检测模型， 所述检测模 型的实现过程包括下述 步骤： [0007]S1、 收集盲区数据集， 并进行样本标注， 标出每张图片样本的前景目标包围框、 前 景目标类别， 以及前景分割像素所属 类别； 并将标注好的前景目标包围框标签转换成yolo 格式标签； [0008]S2、 基于Yolov5网络， 进行盲区检测和分割联合网络结构的构建， 并改进检测分支 训练时的样本分配策略； [0009]所述盲区检测和分割联合网络结构包括输入层， 骨干网、 特征金字塔融合层、 两个 检测分支和一个分割分支； 所述两个检测分支分别用于正负样本的分配和分类、 回归的训 练， 并输出前景目标类别， 所述分割分支用于对检测分支输出的前景目标类别进一步精确 到像素级别， 从而得到前 景分割像素 所属类别； [0010]所述样本分配策略为： 若检测目标的宽高比等于1时， 将中心点的锚框和与该中心说　明　书 1/5 页 3 CN 114782923 A 3