[發明專利]基于共生關系的卷積神經網絡的車輛部件識別方法和系統有效

申請號：	201910269801.0	申請日：	2019-04-04
公開（公告）號：	CN110175622B	公開（公告）日：	2021-10-08
發明（設計）人：	桑農;常勤偉;高常鑫;桑永朋	申請（專利權）人：	華中科技大學
主分類號：	G06K9/62	分類號：	G06K9/62;G06N3/04;G06K9/00
代理公司：	華中科技大學專利中心 42201	代理人：	李智;曹葆青
地址：	430074 湖北***	國省代碼：	湖北;42
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于共生關系卷積神經網絡車輛部件識別方法系統
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種基于共生關系的卷積神經網絡的車輛部件識別方法和系統，屬于模式識別技術領域。包括：使用車輛部件對訓練數據集訓練基于共生關系的卷積神經網絡，基于共生關系的卷積神經網絡由Concat層與常規卷積神經網絡串聯組成，Concat層用于對輸入的圖片對進行通道合并；采用訓練好的基于共生關系的卷積神經網絡，對待測車輛部件對進行識別，得到待測車輛各部件的識別結果。本發明通過Concat層按通道合并圖片，后續網絡進行卷積操作時，可將兩個部件對應的不同通道的信息進行融合，同時提取兩張圖片的特征，使得共生關系可以被更好地學習到。共生關系的引入添加了額外的信息，變相增加了訓練的數據量，提高兩類部件的識別準確率。

技術領域

本發明屬于模式識別技術領域，更具體地，涉及一種基于共生關系的卷積神經網絡的車輛部件識別方法和系統。

背景技術

車輛部件識別是智能交通系統的重要組成部分，需要識別出車燈、后視鏡、車標、進氣柵和擋風玻璃的子類別，即通過識別車燈、后視鏡、車標、擋風玻璃的具體形狀，識別出車標的名稱。

車輛部件識別算法本質上屬于分類算法，分為利用傳統機器學習的算法和基于卷積神經網絡的算法。基于機器學習的方法分為兩步，第一步是提取待識別部件的圖像特征，第二步是利用分類器去對提取的特征進行分類，最終得到待識別部件的子類別，常見方法有形態學特征加決策樹、切比雪夫不變矩加支撐向量機等。基于卷積神經網絡的算法通常是利用VGG、ResNet等網絡直接對待識別部件進行分類。

然而上述算法都只關注于單個部件的識別，并未考慮到不同部件之間的聯系，導致各類部件的識別準確率不高。

發明內容

針對現有技術的缺陷，本發明的目的在于解決現有技術車輛部件識別方法均未考慮共生關系導致各類部件識別準確率低的技術問題。

為實現上述目的，第一方面，本發明實施例提供了一種基于共生關系的卷積神經網絡的車輛部件識別方法，該方法包括以下步驟：

S1.使用車輛部件對訓練數據集訓練基于共生關系的卷積神經網絡，所述基于共生關系的卷積神經網絡由Concat層與常規卷積神經網絡串聯組成，所述Concat層用于對輸入的圖片對進行通道合并；

S2.采用訓練好的基于共生關系的卷積神經網絡，對待測車輛部件對進行識別，得到待測車輛各部件的識別結果。

具體地，選取后視鏡、車燈、車標、擋風玻璃四類部件作為車輛部件識別對象，將所述四類部件進行兩兩組合形成部件對，得到6個車輛部件對：后視鏡,車燈、后視鏡,車標、后視鏡,擋風玻璃、車燈,車標、車燈,擋風玻璃、車標,擋風玻璃。

具體地，所述常規卷積神經網絡為ResNet或者VGG網絡。

具體地，兩張n通道圖片在經過Concat層后，變成一個通道數為2n的張量。

具體地，互信息用于衡量部件對中兩類部件間共生關系的強弱，互信息值越大表明共生關系越強，共生關系越強，車輛部件識別準確率越高。

第二方面，本發明實施例提供了一種基于共生關系的卷積神經網絡的車輛部件識別系統，所述車輛部件識別系統采用上述第一方面所述的基于共生關系的卷積神經網絡的車輛部件識別方法。

第三方面，本發明實施例提供了一種計算機可讀存儲介質，該計算機可讀存儲介質上存儲有計算機程序，該計算機程序被處理器執行時實現上述第一方面所述的基于共生關系的卷積神經網絡的車輛部件識別方法。