基于深度学习的交通场景多目标检测方法及系统

本发明提供基于深度学习的交通场景多目标检测方法及系统，涉及交通技术领域，包括对多帧图像执行语义先验驱动的多尺度特征提取并进行逐点融合；通过光流估计与特征相似度计算得到运动场并执行运动补偿以获取动目标掩膜；利用边界回归解耦与几何一致性约束得到静目标边界；最后合并动静目标结果并基于一致性评估执行二次回归。本发明能有效检测交通场景中动静态目标，提高边界回归精度，降低遮挡导致的误检率。