[發(fā)明專利]基于深度學(xué)習(xí)的機(jī)動車未按規(guī)定使用示廓燈智能識別方法

在審

• 申請?zhí)枺?/td>: 201810632538.2
• 申請日: 2018-06-20
• 公開（公告）號: CN108921060A
• 公開（公告）日: 2018-11-30
• 發(fā)明（設(shè)計）人: 高子賢;陳亮;徐雪
• 申請（專利權(quán)）人: 安徽金賽弗信息技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 安徽匯樸律師事務(wù)所 34116
• 代理人: 劉海涵

1.一種基于深度學(xué)習(xí)的機(jī)動車未按規(guī)定使用示廓燈智能識別方法，其特征在于，包括：

獲取交通監(jiān)控設(shè)備所采集的視頻流，所述視頻流包括多幀圖像；

采用預(yù)先訓(xùn)練的車牌識別神經(jīng)網(wǎng)絡(luò)模型，對各幀圖像中每一機(jī)動車的車牌進(jìn)行識別，并根據(jù)識別出的車牌在各幀圖像中的位置，實(shí)現(xiàn)對所識別出的車牌對應(yīng)的機(jī)動車的跟蹤；

采用預(yù)先訓(xùn)練的示廓燈識別神經(jīng)網(wǎng)絡(luò)模型，對各幀圖像中每一機(jī)動車的示廓燈進(jìn)行識別；

將識別出的車牌和識別出的示廓燈進(jìn)行匹配，并根據(jù)每一車牌對應(yīng)的機(jī)動車的跟蹤路線中預(yù)設(shè)行駛距離內(nèi)示廓燈的狀態(tài)，判斷該車牌對應(yīng)的機(jī)動車是否按規(guī)定使用其示廓燈。

2.如權(quán)利要求1所述的方法，其特征在于，對各幀圖像中每一機(jī)動車的示廓燈和車牌進(jìn)行識別之前，所述方法還包括：根據(jù)預(yù)先設(shè)置的透視反變換參數(shù)，對各幀圖像進(jìn)行透視反變換。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述透視反變換參數(shù)的設(shè)置過程包括：

從所述交通監(jiān)控設(shè)備的監(jiān)控區(qū)域內(nèi)選擇檢測區(qū)域，所述檢測區(qū)域與所述示廓燈識別神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)相對應(yīng)；

采用最小二乘法，確定所述檢測區(qū)域中每一像素的透視反變換參數(shù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述從所述交通監(jiān)控設(shè)備的監(jiān)控區(qū)域內(nèi)選擇檢測區(qū)域，包括：

在所述監(jiān)控區(qū)域中沿車道線選取4個像素點(diǎn)，所述4個像素點(diǎn)與一個矩形的四個端點(diǎn)相映射，該矩形的大小與所述示廓燈識別神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)的個數(shù)相同。

5.根據(jù)權(quán)利要求1～4所述的方法，其特征在于，所述車牌識別神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程包括：

構(gòu)建第一訓(xùn)練樣本集，所述第一訓(xùn)練樣本集中包括多張標(biāo)記車牌的第一圖片，所述第一圖片由交通監(jiān)控設(shè)備預(yù)先采集；

采用yolo算法對所述第一訓(xùn)練樣本集中的多張第一圖片進(jìn)行訓(xùn)練，得到車牌識別神經(jīng)網(wǎng)絡(luò)模型的各個模型參數(shù)。

6.根據(jù)權(quán)利要求1～5任一項所述的方法，其特征在于，所述示廓燈識別神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程包括：

構(gòu)建第二訓(xùn)練樣本集，所述第二訓(xùn)練樣本集中包括多張標(biāo)記示廓燈及其狀態(tài)的第二圖片，所述第二圖片由交通監(jiān)控設(shè)備預(yù)先采集；

采用yolo算法對所述第二訓(xùn)練樣本集中的多張第二圖片進(jìn)行訓(xùn)練，得到示廓燈識別神經(jīng)網(wǎng)絡(luò)模型的各個模型參數(shù)。

7.一種基于深度學(xué)習(xí)的機(jī)動車未按規(guī)定使用示廓燈智能識別系統(tǒng)，其特征在于，包括：

獲取模塊，用于獲取交通監(jiān)控設(shè)備所采集的視頻流，所述視頻流包括多幀圖像；

第一識別模塊，用于采用預(yù)先訓(xùn)練的車牌識別神經(jīng)網(wǎng)絡(luò)模型，對各幀圖像中每一機(jī)動車的車牌進(jìn)行識別，并根據(jù)識別出的車牌在各幀圖像中的位置，實(shí)現(xiàn)對所識別出的車牌對應(yīng)的機(jī)動車的跟蹤；

第二識別模塊，用于采用預(yù)先訓(xùn)練的示廓燈識別神經(jīng)網(wǎng)絡(luò)模型，對各幀圖像中每一機(jī)動車的示廓燈進(jìn)行識別；

判斷模塊，用于將識別出的車牌和識別出的示廓燈進(jìn)行匹配，并根據(jù)每一車牌對應(yīng)的機(jī)動車的跟蹤路線中預(yù)設(shè)行駛距離內(nèi)示廓燈的狀態(tài)，判斷該車牌對應(yīng)的機(jī)動車是否按規(guī)定使用其示廓燈。

8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，還包括：

反變換模塊，用于所述第一識別模塊對各幀圖像中每一機(jī)動車的車牌進(jìn)行識別和所述第二識別模塊對各幀圖像中的每一機(jī)動車的示廓燈進(jìn)行識別之前，根據(jù)預(yù)先設(shè)置的透視反變換參數(shù)，對各幀圖像進(jìn)行透視反變換。

9.一種存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，在所述計算機(jī)程序被處理器執(zhí)行時可實(shí)現(xiàn)權(quán)利要求1～6任一項所述的方法。