[發明專利]利用神經網絡實現車型分類的方法和系統

在審

• 申請號: 201410790026.0
• 申請日: 2014-12-16
• 公開（公告）號: CN104537387A
• 公開（公告）日: 2015-04-22
• 發明（設計）人: 冷斌;賀慶;官冠;胡歡;蔣東國
• 申請（專利權）人: 廣州中國科學院先進技術研究所
• 主分類號: G06K9/64
• 分類號: G06K9/64;G06N3/02
• 代理公司: 廣州番禺容大專利代理事務所(普通合伙) 44326
• 代理人: 劉新年

1.一種利用神經網絡實現車型分類的方法，其特征在于：包括如下步驟：

A、搜集若干張訓練樣本，利用卷積神經網絡對所述訓練樣本進行分類，得到包含標簽結果的分類器；

B、在對車型進行分類時，讀入待測視頻圖像，檢測圖像中的運動目標，根據運動目標對圖像進行分塊處理；再使用所述分類器對每塊圖像進行分類處理得出檢測結果。

2.根據權利要求1所述的利用神經網絡實現車型分類的方法，其特征在于，所述步驟B包括：

B1、讀入視頻圖像，當檢測到有運動物體的時候，提取出運動物體區域；

B2、采用固定大小的塊對該運動物體區域進行分塊處理；

B3、利用卷積神經網絡進行分類得到分類結果。

3.根據權利要求2所述的利用神經網絡實現車型分類的方法，其特征在于，所述步驟B2中具體包括：

用n*n大小的塊對運動物體區域進行分塊處理，然后依次移動一個像素，得到若干圖片，再對所述若干圖片進行縮放，轉換為像素值為32*32大小的圖片；其中，n為自然數，其取值范圍在50--70之間。

4.根據權利要求2所述的利用神經網絡實現車型分類的方法，其特征在于：所述步驟B中分類結果包括：用于表示轎車的第一類分類結果、用于表示客車的第二類分類結果、用于表示卡車的第三類分類結果、用于表示越野車的第四類分類結果和用于表示非車輛的第五類分類結果。

5.根據權利要求1所述的利用神經網絡實現車型分類的方法，其特征在于：所述步驟A包括：

A1、采用固定大小的卷積核去感知輸入圖像中的每一個神經元、并對每個神經元進行第一加偏置處理，得到第一卷積層；

A2、將第一卷積層的神經元分組，對每組神經元分別求和，并對求和后的神經元進行第一加權、第二加偏置處理后，使用sigmoid函數作為卷積網絡的激活函數，得到第一特征映射圖，即第一下采樣層；

A3、對第一特征映射圖進行卷積處理獲取第二卷積層；

A4、將第二卷積層的神經元分組，對每組神經元分別求和，并對求和后的神經元進行第二加權、第三加偏置處理后，使用sigmoid激活函數求域值，得到第二特征映射圖S_x+1，即第二下采樣層；

A5、將第二特征映射圖中的每個神經元與輸入圖像中的神經元連接形成神經網絡輸出。

6.根據權利要求5所述的利用神經網絡實現車型分類的方法，其特征在于：所述步驟A1包括：

A11、采用可訓練的濾波器f_x卷積一個輸入的圖像得到卷積特征map；

A12、將卷積特征map加一個偏置b_x，得到第一卷積層C_x。

7.根據權利要求5所述的利用神經網絡實現車型分類的方法，其特征在于：所述步驟A2包括：

A21、對第一卷積層中每鄰域四個像素求和變為一個像素得到標量W_x+1；

A22、對標量W_x+1加權、增加偏置b_x+1處理；

A23、使用sigmoid函數作為卷積網絡的激活函數，得到縮小四倍的第一特征映射圖S_x+1。

8.一種利用神經網絡實現車型分類的系統，其特征在于：包括：

處理單元，用于搜集若干張訓練樣本，利用卷積神經網絡對所述訓練樣本進行分類，得到包含標簽結果的分類器；

輸出單元，用于在對車型進行分類時，讀入待測視頻圖像、檢測圖像中的運動目標，根據運動目標對圖像進行分塊處理，并使用所述分類器對每塊圖像進行分類處理得出檢測結果。

9.根據權利要求8所述的利用神經網絡實現車型分類的系統，其特征在于，所述輸出單元進一步包括：

提取子單元，用于讀入視頻圖像，當檢測到有運動物體的時候，提取出運動物體區域；

分塊子單元，用于采用固定大小的塊對該運動物體區域進行分塊處理；

分類子單元，用于利用卷積神經網絡進行分類得到分類結果。

10.根據權利要求9所述的利用神經網絡實現車型分類的系統，其特征在于：所述輸出單元中分類結果包括：用于表示轎車的第一類分類結果、用于表示客車的第二類分類結果、用于表示卡車的第三類分類結果、用于表示越野車的第四類分類結果和用于表示非車輛的第五類分類結果。