[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的渣土車特征識別方法

有效

• 申請?zhí)枺?/td>: 201811459480.2
• 申請日: 2018-11-30
• 公開（公告）號: CN109409337B
• 公開（公告）日: 2022-05-13
• 發(fā)明（設(shè)計）人: 蔡崗;王長君;孫正良;張慧辰;張森;童剛;楊廣明;林峰
• 申請（專利權(quán)）人: 公安部交通管理科學(xué)研究所
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 無錫盛陽專利商標(biāo)事務(wù)所(普通合伙) 32227
• 代理人: 張寧

1.基于卷積神經(jīng)網(wǎng)絡(luò)的渣土車特征識別方法，其包括以下步驟：

S1：從監(jiān)控系統(tǒng)中提取監(jiān)控圖片；

S2：通過圖像識別技術(shù)，從圖片中檢出車輛區(qū)域，輸出車輛區(qū)域圖片；

其特征在于，其還包括下述步驟：

S3：在所述車輛區(qū)域圖片內(nèi)進行車輛位置分類識別，將車輛區(qū)域圖片劃分為車頭圖片和車尾圖片；

S4：把所述車頭圖片和所述車尾圖片分別輸入到訓(xùn)練好的渣土車識別算法模型中進行識別；

所述渣土車識別算法模型，包括車頭用渣土車識別算法模型和車尾用渣土車識別算法模型；

步驟S4中，將所述車頭圖片輸入到訓(xùn)練好的所述車頭用渣土車識別算法模型進行識別，過程如下：

S4-1-1：將所述車頭圖片輸入到訓(xùn)練好的所述車頭用9分類算法模型進行分類；

S4-1-2: 如果分類結(jié)果中所述車頭圖片為大貨車的概率最大，則把所述車頭圖片繼續(xù)輸入到所述車頭用2分類算法模型，否則所述車頭圖片識別結(jié)果設(shè)置為非渣土車圖片；

S4-1-3:如果所述車頭圖片在所述車頭用2分類算法模型中的分類結(jié)果為渣土車的概率最大，則所述車頭圖片識別結(jié)果設(shè)置為渣土車圖片，否則所述車頭圖片識別結(jié)果設(shè)置為非渣土車圖片；

S5：如果甄別結(jié)果為發(fā)現(xiàn)渣土車，且是通過所述車尾圖片識別出渣土車的，則把所述車尾圖片輸入到訓(xùn)練好的渣土車違法行為識別算法模型中進行識別；如果是通過所述車頭圖片識別出渣土車，則把車輛信息通知給監(jiān)管人員；如果所述甄別結(jié)果為未發(fā)現(xiàn)渣土車則本次識別結(jié)束；

S6：步驟S5中通過訓(xùn)練好的所述渣土車違法行為識別算法模型對所述車尾圖片進行識別，如果違法識別結(jié)果為存在違法行為，則生成預(yù)警信息，把所述預(yù)警信息通知監(jiān)管人員；如果違法識別結(jié)果為無違法行為，則本次識別結(jié)束；

步驟S5中所述渣土車違法行為識別算法模型，包括后蓋識別算法模型和放大車牌號識別算法模型；

步驟S4中，將所述車尾圖片輸入到訓(xùn)練好的所述后蓋識別算法模型中進行識別，過程如下：

S4-3-1：將所述車尾圖片輸入到訓(xùn)練好的所述車尾用9分類算法模型進行分類；

S4-3-2: 如果分類結(jié)果中所述車尾圖片為大貨車的概率最大，則把所述車尾圖片繼續(xù)輸入到所述車尾用2分類算法模型，否則所述車尾圖片識別結(jié)果設(shè)置為非渣土車圖片；

S4-3-3:如果所述車尾圖片在所述車頭用2分類算法模型中的分類結(jié)果為渣土車的概率最大，則所述車尾圖片識別結(jié)果設(shè)置為渣土車圖片，否則所述車尾圖片識別結(jié)果設(shè)置為非渣土車圖片。

2.根據(jù)權(quán)利要求1所述基于卷積神經(jīng)網(wǎng)絡(luò)的渣土車特征識別方法，其特征在于：所述車頭用渣土車識別算法模型的訓(xùn)練過程如下：

a-1: 定期地通過各地的卡口管理系統(tǒng)、違章采集系統(tǒng)不斷收集海量車頭用樣本圖片；

a-2：每次收集新的樣本圖片后，對候選車頭用樣本圖片進行第一次分類，第一次分類的類型包括9個類型：大客車、大貨車、中巴車、小貨車、面包車、小轎車、越野車、摩托車、三輪車；

a-3：將分類完畢的圖片輸入到卷積神經(jīng)網(wǎng)絡(luò)中，利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練出一個9分類算法模型，記做車頭用9分類算法模型；

a-4:將大貨車分類中的樣本圖片進行第二次分類，第二次分類的類型包括2個類型：渣土車、非渣土車；

a-5：將渣土車、非渣土車兩個種類的樣本圖片輸入到卷積神經(jīng)網(wǎng)絡(luò)中，利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練出一個2分類算法模型，訓(xùn)練好的模型記作車頭用2分類算法模型。

3.根據(jù)權(quán)利要求1所述基于卷積神經(jīng)網(wǎng)絡(luò)的渣土車特征識別方法，其特征在于：所述車尾用渣土車識別算法模型的訓(xùn)練過程如下：

b-1：定期地通過各地的卡口管理系統(tǒng)、違章采集系統(tǒng)不斷收集海量車尾用樣本圖片；

b-2：每次收集新的樣本圖片后，對候選車尾用樣本圖片進行第一次分類，第一次分類的類型包括9個類型：大客車、大貨車、中巴車、小貨車、面包車、小轎車、越野車、摩托車、三輪車；

b-3：將分類完畢的圖片輸入到卷積神經(jīng)網(wǎng)絡(luò)中，利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練出一個9分類算法模型，記做車尾用9分類算法模型；

b-4:將大貨車分類中的樣本圖片進行第二次分類，第二次分類的類型包括2個類型：渣土車、非渣土車；

b-5：將渣土車、非渣土車兩個種類的樣本圖片輸入到卷積神經(jīng)網(wǎng)絡(luò)中，利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練出一個2分類算法模型，訓(xùn)練好的模型記作車尾用2分類算法模型。