摘要
本发明公开了一种融合时间信息的改进YOLOV3交通视频显著目标检测方法,利用有经验驾驶员的Hard Attention获取交通场景的显著目标图,再建立融合时间信息的改进YOLOV3并进行训练优化,训练完成后进行显著目标检测。本发明的方法首次提出融合Hard Attention信息和时间信息的交通场景的显著目标检测,融合时间信息的改进YOLOV3相对现有全目标检测模型不仅通过融合Hard Attention信息特征只关注与驾驶安全相关的重要目标,还通过融合当前检测帧前10帧内的时间信息,极大地扩展了时间信息范围,通过融合更多低级特征的尺度预测,在黑暗场景和突然出现的超车等场景中,更准确有效地检测出对驾驶环境重要的目标;相对现有显著性预测模型能够专注于显著性区域,准确检测显著性区域内的目标和位置。