[發明專利]基于卷積神經網絡的渣土車特征識別方法

有效

• 申請號: 201811459480.2
• 申請日: 2018-11-30
• 公開（公告）號: CN109409337B
• 公開（公告）日: 2022-05-13
• 發明（設計）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）人: 公安部交通管理科學研究所
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 無錫盛陽專利商標事務所(普通合伙) 32227
• 代理人: 張寧

基于卷積神經網絡的渣土車特征識別方法，其包括：S1：從監控系統中提取監控圖片；S2：通過圖像識別技術，輸出車輛區域圖片；S3：在車輛區域圖片內進行車輛位置分類識別，將車輛區域圖片劃分為車頭圖片和車尾圖片；S4：把車頭、車尾圖片分別輸入到訓練好的渣土車識別算法模型進行識別；S5：如果甄別結果為發現渣土車，且是通過車尾圖片識別出渣土車，則把車尾圖片輸入到訓練好的渣土車違法行為識別算法模型中進行識別；如果是通過車頭圖片識別出渣土車，則把車輛信息通知給監管人員；S6：S5中通過訓練好的渣土車違法行為識別算法模型對車尾圖片進行識別，如果違法識別結果為存在違法行為，則生成預警信息，把預警信息通知監管人員。

技術領域

本發明涉及智能交通控制技術領域，具體為基于卷積神經網絡的渣土車特征識別方法。

背景技術

渣土車并不是特定的某種車型，而是指專門用于運送沙石等建筑料的卡車。由于渣土車一般是在市區夜間允許通行，由于渣土車體積龐大、駕駛室高，存在很多視覺盲區，且部分駕駛員安全意識淡薄，使得渣土車給道路交通秩序帶來了很大的隱患，屬于需要必須監管的車種。因為城市建設中建筑工地無規律變化，渣土車集中的路段也無規律變化，現有方法中需要人工發現渣土車集中路段，然后人工確認是否有違法行為，導致人工實施監管會有一定的滯后性，且效率不高。

發明內容

為了解決人工甄別渣土車違法行為有滯后性且效率不高的問題，本發明提供基于卷積神經網絡的渣土車特征識別方法，其可以利用現有設備在自動識別出渣土車、以及渣土車的違法行為，成本低、費時短、效率高，確保后續監管工作的正常實施。

本發明的技術方案是這樣的：基于卷積神經網絡的渣土車特征識別方法，其包括以下步驟：

S1：從監控系統中提取監控圖片；

S2：通過圖像識別技術，從圖片中檢出車輛區域，輸出車輛區域圖片；

其特征在于，其還包括下述步驟：

S3：在所述車輛區域圖片內進行車輛位置分類識別，將車輛區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練好的渣土車識別算法模型中進行識別；

S5：如果甄別結果為發現渣土車，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管人員；如果所述甄別結果為未發現渣土車則本次識別結束；

S6：步驟S5中通過訓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，如果違法識別結果為存在違法行為，則生成預警信息，把所述預警信息通知監管人員；如果違法識別結果為無違法行為，則本次識別結束。

其進一步特征在于：

步驟4中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；

所述車頭用渣土車識別算法模型的訓練過程如下：

a-1: 定期地通過各地的卡口管理系統、違章采集系統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網絡中，利用卷積神經網絡訓練出一個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；