[發(fā)明專利]一種基于視頻圖像的危化品運輸車輛檢測與識別方法

有效

• 申請?zhí)枺?/td>: 201810541843.0
• 申請日: 2018-05-30
• 公開（公告）號: CN108875803B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設(shè)計）人: 惠飛;景首才;宋歡歡
• 申請（專利權(quán)）人: 長安大學(xué)
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06K9/62
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 徐文權(quán)

本發(fā)明公開了一種基于視頻圖像的危化品運輸車輛檢測與識別方法，涉及算法領(lǐng)域，目的在于：針對交通視頻獲取單幀圖像，通過危化品運輸車輛檢測方法，提取出包含目標(biāo)車輛的圖像，并完成目標(biāo)車輛的粗分類和定位，針對檢測部分產(chǎn)生的結(jié)果，進(jìn)一步使用識別部分進(jìn)行目標(biāo)車輛的細(xì)分類，得到圖像中目標(biāo)車輛的精確信息，從而為與汽車電子標(biāo)識的信息進(jìn)行融合提供準(zhǔn)確依據(jù)。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像檢測與識別技術(shù)領(lǐng)域，涉及一種基于視頻圖像的危化品運輸車輛檢測與識別方法。

背景技術(shù)

隨著城市規(guī)模的不斷擴(kuò)大，智能交通系統(tǒng)(ITS)逐漸成為國內(nèi)外機(jī)器視覺應(yīng)用領(lǐng)域的一個研究熱點。車輛識別是基于機(jī)器視覺的目標(biāo)檢測技術(shù)在智能交通系統(tǒng)中的重要應(yīng)用，其任務(wù)就是確定目標(biāo)車輛屬于哪一種已知的車輛類別。但對于車輛的識別的精確度，由于受到天氣、車速和光照等的影響，一直達(dá)不到很高的準(zhǔn)確度，研究者們一直在探索，希望有朝一日能夠?qū)崿F(xiàn)準(zhǔn)確識別車輛。

目前的二階目標(biāo)檢測識別模型有R-CNN、SPPNet和Fast R-CNN等，雖然準(zhǔn)確率高但都存在計算速度緩慢的問題。另一種是一階目標(biāo)檢測識別模型，比如YOLO、YOLO9000和SSD等，提高了計算速度但是對于車輛的細(xì)分類問題的準(zhǔn)確率依然存在瓶頸。

危化品運輸車輛一直以來都是道路交通監(jiān)控范圍的重點，一旦發(fā)生危險，后果往往是不可控制的。所以提出一種計算速度快，細(xì)分類準(zhǔn)確率高的基于視頻圖像的危化品運輸車輛檢測與識別的方法對于貨運管理部門，交管所以及物流企業(yè)都有重要的意義。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中存在的問題，本發(fā)明的目的在于提供一種基于視頻圖像的危化品運輸車輛檢測與識別方法，該方法計算速度快，并且提高了對交通視頻圖像中目標(biāo)的檢測與識別的準(zhǔn)確率。

為了達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于視頻圖像的危化品運輸車輛檢測與識別方法，包括如下步驟：

步驟1，檢測包含目標(biāo)車輛的單幀圖像，通過單幀圖像對目標(biāo)車輛進(jìn)行粗分類，并確定目標(biāo)車輛在圖像中的位置；

步驟2，根據(jù)目標(biāo)車輛在圖像中的位置，對目標(biāo)車輛進(jìn)行細(xì)分類，得到圖像中目標(biāo)車輛的識別信息，根據(jù)目標(biāo)車輛的識別信息對目標(biāo)車輛進(jìn)行識別。

步驟1具體包括如下步驟：

步驟1.1，將包含目標(biāo)車輛的單幀圖像放入深度殘差網(wǎng)絡(luò)ResNet50，得到每張圖像的特征圖Q，特征圖Q包含5個層級；

步驟1.2，將特征圖Q放入特征金字塔網(wǎng)絡(luò)，得到每張圖像的特征圖W，特征圖W包含5個層級；

步驟1.3，通過區(qū)域推薦網(wǎng)絡(luò)算法，對特征圖W生成一系列錨框，每個錨框攜帶一個長度為K的one-hot向量，以及一個4維的邊框坐標(biāo)信息，其中，錨框的個數(shù)為A，K的長度是A；

步驟1.4，針對每個錨框，根據(jù)特征金字塔網(wǎng)絡(luò)的層級的大小，從任意一個層級取得該層級對應(yīng)通道的特征圖，再將取得的通道的特征圖經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)的卷積層進(jìn)行處理，再采用ReLu激勵函數(shù)進(jìn)行處理，然后，再對ReLu激勵函數(shù)處理后的結(jié)果連接一個包含K×A個3*3卷積核的卷積層，最終預(yù)測出每張圖片中車輛的分類情況，完成車輛的粗分類；

并且，針對步驟1.3產(chǎn)生的每個錨框，使每個錨框經(jīng)過全卷積網(wǎng)絡(luò)，獲得錨框和標(biāo)定框的相對偏移坐標(biāo)，通過相對偏移坐標(biāo)確定車輛在圖像中的位置。

步驟1.2中，標(biāo)記特征圖Q的5個層級分別為C1、C2、C3、C4和C5，標(biāo)記特征圖W的5個層級分別為P3、P4、P5、P6和P7，C1經(jīng)過特征金字塔網(wǎng)絡(luò)得到P3，C2經(jīng)過特征金字塔網(wǎng)絡(luò)得到P4，C3經(jīng)過特征金字塔網(wǎng)絡(luò)得到P5，C4經(jīng)過特征金字塔網(wǎng)絡(luò)得到P6，C5經(jīng)過特征金字塔網(wǎng)絡(luò)得到P7。