[發明專利]車輛通行的控制方法及裝置

在審

• 申請號: 201710612663.2
• 申請日: 2017-07-25
• 公開（公告）號: CN107437086A
• 公開（公告）日: 2017-12-05
• 發明（設計）人: 陳志軍
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京尚倫律師事務所11477
• 代理人: 孟姣

1.一種車輛通行的控制方法，其特征在于，包括：

獲取待檢測圖像，所述待檢測圖像中包括：待進入小區的車輛；

根據車輛圖像檢測模型檢測所述車輛是否為出租車；

當檢測到所述車輛為出租車時，則打開所述小區的道閘。

2.根據權利要求1所述的方法，其特征在于，所述根據車輛圖像檢測模型檢測所述車輛是否為出租車之前，還包括：

獲取多個樣本，所述樣本為出租車輛圖像；

根據所述多個樣本和卷積神經網絡CNN模型，訓練得到所述車輛圖像檢測模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述多個樣本和卷積神經網絡CNN模型，訓練得到所述車輛圖像檢測模型，包括：

對所述多個樣本進行預處理以獲取對應的訓練圖像；

獲取所述CNN模型的初始模型參數，所述初始模型參數包括各級卷積層的初始卷積核、所述各級卷積層的初始偏置矩陣、各級全連接層的初始權重矩陣和所述各級全連接層的初始偏置向量；

在所述各級卷積層上，使用所述各級卷積層上的初始卷積核和所述各級卷積層上的初始偏置矩陣，對每個所述訓練圖像分別進行卷積操作和最大池化操作，得到每個訓練圖像在所述各級卷積層上的特征圖像；

在所述各級全連接層上，使用所述各級初始權重矩陣和所述初始偏置向量，對所述每個特征圖像進行處理，得到所述每個訓練圖像的類別概率向量；

根據所述每個訓練圖像的類別概率向量及每個訓練圖像的初始類別，計算類別誤差；

基于所述類別誤差，對所述CNN模型的模型參數進行調整；

基于調整后的所述模型參數和所述多個訓練圖像，繼續進行模型參數調整的過程，直至迭代次數達到預設次數；

將所述迭代次數達到所述預設次數時所得到的模型參數對應的CNN模型作為所述車輛圖像檢測模型。

4.根據權利要求3所述的方法，其特征在于，所述對所述多個樣本進行預處理以獲取對應的訓練圖像，包括：

對所述每個樣本進行歸一化處理以獲取對應的所述訓練圖像，

其中，所述歸一化處理包括以下至少一項：

將所述樣本縮放至預定分辨率；

或，

對所述樣本進行減均值處理。

5.根據權利要求1所述的方法，其特征在于，所述根據車輛圖像檢測模型檢測所述車輛是否為出租車包括：

將所述車輛對應的圖像利用仿射變換調整至所述車輛圖像檢測模型對應的圖像規格；

將調整后的所述圖像輸入至所述車輛圖像檢測模型；

根據所述車輛圖像檢測模型和所述調整后的所述圖像檢測所述車輛是否為出租車。

6.根據權利要求1所述的方法，其特征在于，所述根據車輛圖像檢測模型檢測所述車輛是否為出租車，包括：

檢測所述車輛是否為所述小區的內部車輛；

在檢測到所述車輛不為所述小區的內部車輛時，獲取所述車輛的車牌號碼；

檢測所述車牌號碼是否屬于預設的出租車車牌號碼；

在檢測到所述車牌號碼屬于預設的出租車車牌號碼時，檢測到所述車輛為出租車。

7.一種車輛通行的控制裝置，其特征在于，包括：

待檢測圖像獲取模塊，用于獲取待檢測圖像，所述待檢測圖像中包括：待進入小區的車輛；

出租車檢測模塊，用于根據車輛圖像檢測模型檢測所述待檢測圖像獲取模塊獲取的所述待檢測圖像中的所述車輛是否為出租車；

控制模塊，用于在所述出租車檢測模塊檢測到所述車輛為出租車時，控制打開所述小區的道閘。

8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：樣本獲取模塊和訓練模塊；

所述樣本獲取模塊，用于在所述出租車檢測模塊根據車輛圖像檢測模型檢測所述待檢測圖像獲取模塊獲取的所述待檢測圖像中的所述車輛是否為出租車之前，獲取多個樣本，所述樣本為出租車輛圖像；

所述訓練模塊，用于根據所述樣本獲取模塊獲取的所述多個樣本和卷積神經網絡CNN模型，訓練得到所述車輛圖像檢測模型。