基于CPN网络的车辆关键点检测

摘要

针对智慧交通和自动驾驶系统中利用车辆关键点获取车辆3D姿态的需求,提出一种基于CPN网络的车辆关键点检测模型.模型以ResNet50为主干网络,利用U型结构融合深层的语义信息和浅层的空间分辨率信息构建高斯热力图金子塔,随后采用SoftArgmax在高斯热力图中端到端地解码关键点坐标.在20万张的训练集上训练得到车辆关键点检测模型,模型能够同时预测定义的轿车和SUV车型上的78个关键点的坐标和可见性.经测试,在256×256的输入图下预测点的归一化像素误差为1.57,点的可见性预测在召回率为0.95时达到0.96的精确度.实验结果表明基于CPN网络的车辆关键点检测模型精度高,目前已应用于北京、武汉等城市的智慧交通系统中.