(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 202210566658.3 (22)申请日 2022.05.24 (71)申请人 东北大学 地址 110819 辽宁省沈阳市和平区文化路3 号巷11号 (72)发明人 郭楠　李婧源　高天寒　 (74)专利代理 机构 沈阳东大知识产权代理有限 公司 21109 专利代理师 李在川 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 面向位姿 估计的遮挡场景目标检测方法 (57)摘要 本发明提供一种面向位姿估计的遮挡场景 目标检测方法， 该方法基于单阶段目标检测模型 YOLOv5进行设计检测模型； 采用特征融合的网络 结构， 对卷积层的浅层特征和深层特征进行了提 取和融合， 增加了相应的头部检测层， 提高了模 型的准确率和鲁棒性； 在 原始YOLOv5模型的基础 上还对目标检测的优化算法进行了更改， 使用了 Soft NMS优化算法能够更好地避免YOLOv5模型 在遮挡情况下存在的漏检问题， 为了满足在资源 有限设备上的部署， 本发明还通过修改普通卷积 层为深度可分离卷积， 减小了模型的大小， 不仅 提高了检测模型的效率， 检测结果更加准确有 效。 权利要求书2页 说明书7页 附图2页 CN 115100405 A 2022.09.23 CN 115100405 A 1.一种面向位姿估计的遮挡场景目标检测方法， 其特 征在于， 包括： 步骤1： 根据真实数据集和合成数据集制作数据集； 步骤2： 基于支持移动端的最小化模型YOLOv5n设计神经网络模型， 作为目标检测模型； 步骤3： 对待检测图像进行预处理后作为目标检测模型的输入， 通过目标检测模型预测 目标物体。 2.根据权利要求1所述的一种面向位姿估计的遮挡场景目标检测方法， 其特征在于， 所 述步骤1包括： 步骤1.1： 基于Un ity制作合成数据集； 步骤1.2： 利用数据集 LineMOD数据集制作真实数据集； 步骤1.3： 划分训练集和测试集数据， 其中训练集包括合成数据与真实数据， 测试集为 真实数据。 3.根据权利要求2所述的一种面向位姿估计的遮挡场景目标检测方法， 其特征在于， 所 述步骤1.1包括： 步骤1.1.1： 将LineMOD数据集中提供的.ply文件转换为.obj文件， 获取目标物体的3D 模型并导入到Un ity 3D中； 步骤1.1.2： 调用Un ity Percepti on为背景设置位置随机化和旋转随机化 来制作背景； 步骤1.1.3： 调用Un ity Percepti on为步骤1.1.1中导入的模型制作标签。 4.根据权利要求1所述的一种面向位姿估计的遮挡场景目标检测方法， 其特征在于， 所 述步骤2包括： 步骤2.1： 对数据集中的图像进行 预处理； 步骤2.2： 基于支持移动端的最小化模型YOLOv5n设计神经网络模型； 步骤2.3： 将步骤2.1处 理后的图像作为神经网络模型的输入进行网络训练。 5.根据权利要求4所述的一种面向位姿估计的遮挡场景目标检测方法， 其特征在于， 所 述步骤2.1具体表 述为： 为了保证原始图像的目标物体不会产生形变， 将图像进 行等比例缩 放后， 再进行图像边缘的填充， 使其缩放为640 ×640尺寸； 随机选取4张缩放后的图像， 并对 4张图像进行剪 裁； 拼接剪裁后的4张图像为1张图像。 6.根据权利要求4所述的一种面向位姿估计的遮挡场景目标检测方法， 其特征在于， 所 述步骤2.2包括： 步骤2.2.1： 设计Pose ‑YOLOv5特 征提取网络， 具体表述 为： 主干网络包括CBS、 C3和SPP模块， 其中SPP模块用于将局部特征和全局特征进行融合， CBS模块包含卷积层、 批归一化层和SiLU激活层用来实现网络的下采样功能， C3模块包含 C3_1、 C3_2和C3_3三种模块， 分别对应具备1个、 2个和3个的残差模块， 能够构建更深的网 络， 提升网络的特 征提取能力； 颈部网络包括上采样模块、 连接模块、 C3模块和CBS模块， 其中， 上采样模块用于恢复下 采样后的图像特征， 连接模块用于融合浅层特征和深层特征， C3模块和CBS模块用于实现卷 积融合来获取最终的图像特 征； 头部网络作为Pose ‑YOLOv5网络的输出端， 所述头部网络包括CBS模块、 卷积层， 用于预 测物体的位置信息和类别 信息； 深度可分离卷积层： 逐通道卷积中一个卷积核对一个通道进行卷积， 保证输入输出的权　利　要　求　书 1/2 页 2 CN 115100405 A 2通道数一 致； 逐点卷积对深度方向的特 征进行加权组合， 获取 特征图； 步骤2.2.2： 利用Soft  NMS算法来进行目标检测优化， 实现对物体出现的多个冗余包围 框的去除。 7.根据权利要求4所述的一种面向位姿估计的遮挡场景目标检测方法， 其特征在于， 所 述步骤2.3包括： 1)初始化网络参数； 2)损失函数选择CIOU损失函数， 表示 为： 其中， w为预测包围框的宽度， h为预测包围框的高度， wgt为真实包围框的宽度， hgt为真 实包围框的高度； 3)设置迭代次数对神经网络模型进行训练。权　利　要　求　书 2/2 页 3 CN 115100405 A 3