[發明專利]一種車輛綜合信息檢測系統

有效

• 申請號: 201910002648.5
• 申請日: 2019-01-02
• 公開（公告）號: CN109726717B
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 許海英;萬敏;鮑海龍;張強;李仲璘;曾濤;賓澤川;寧雨涵;陳云勝
• 申請（專利權）人: 西南石油大學
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V30/148;G06V10/764;G06K9/62;G06T7/73
• 代理公司: 成都云縱知識產權代理事務所(普通合伙) 51316
• 代理人: 伍星;劉沙粒

1.一種車輛綜合信息檢測系統，擁有車輛定位、車輛分類、車牌識別三個功能，可根據圖像或者視頻信息對車輛的車輛型號以及車牌信息進行檢測識別，其特征在于：

a.采用基于深度學習的車輛檢測算法來定位圖片中車輛的位置；

b.采用卷積神經網絡結構Inception-AB-Full對車型類別進行識別分類；

通過如下任一方法對車牌進行定位和識別：

方法一：

c.采用基于深度學習的車牌檢測方法對車牌進行定位；

d.采用基于深度學習的車牌識別方法對車牌進行識別；

方法二：

e.提出一種基于形態學與HSV顏色特征的車牌定位方法；

f.在基于連通域車牌字符分割方法的基礎上，結合投影法以及模板匹配法對車牌字符進行分割；

g.在傳統檢測中利用Inception-Small-Net網絡識別分割后的車牌字符；

其中，Inception-AB-Full模型，是在Inception-AB-Net網絡的基礎上依然使用Inception-A以及Inception-B的網絡結構，在不改變整體結構的情況下增加了Inception-A和Inception-B卷積核的數量而得到；

其中，Inception-AB-Net網絡由Inception-A網絡以及Inception-B網絡構成，卷積層部分由13個混合層組成，Inception-A中所有卷積核的步長均為1，Inception-B中所有卷積核的步長為2；Inception-AB-Net網絡模型的第一階段的第一個卷積層的卷積核為7×7，步長為2，其作用在于去掉車輛圖像的邊緣背景，剩下的卷積混合層和池化層的卷積核均為3×3或1×1，全局池化層的卷積核大小為7×7，步長為1；

其中，Inception-Small-Net網絡基于Inception-AB-Net的結構設計，該網絡接收的輸入數據大小為28×28，網絡包括Simple A、Simple B以及基本卷積單元；其中基本卷積單元由卷積層、Batch Norm層以及Relu激活層組成；Simple A用于提取特征，其由一個1×1大小的卷積核以及一個3×3大小的卷積核并聯而成；Simple B稱為下采樣層，由一個3×3大小的卷積核與一個3×3大小的Pooling并聯組成。

2.根據權利要求1所述的一種車輛綜合信息檢測系統，其特征在于：采用基于深度學習的車輛檢測算法來定位圖片中車輛的位置：

以卷積神經網絡VGG-16結構為基礎構建了SSD目標檢測網絡，用其對照片進行特征提取，就能從具有復雜背景的圖像中判斷并且定位出車輛的位置。

3.根據權利要求1所述的一種車輛綜合信息檢測系統，其特征在于：采用卷積神經網絡結構Inception-AB-Full對車型類別進行識別分類的方法包括：在卷積神經網絡Inception-AB-Net網絡的基礎上構建出Inception-AB-Full網絡。

4.根據權利要求2所述的一種車輛綜合信息檢測系統，其特征在于：采用基于深度學習的車牌檢測方法對車牌進行定位：

以SSD目標檢測網絡為基礎構建出車牌檢測網絡，車牌檢測網絡在原SSD目標檢測網絡結構上去掉了Conv9、Conv10以及Conv11卷積層，因為從這些層的特征圖上預測出的default box一般都比較大，適用于檢測較大目標，不適用于車牌檢測任務。

5.根據權利要求1所述的一種車輛綜合信息檢測系統，其特征在于：采用基于深度學習的車牌識別方法對車牌進行識別：

車牌識別是多分類目標檢測，只需在每張車牌圖像中標注出所有車牌字符的位置并填上相應類別即可進行模型訓練。