[發明專利]一種基于卷積神經網絡的貨車低排放限行識別方法

在審

• 申請號: 201911303326.0
• 申請日: 2019-12-17
• 公開（公告）號: CN111027499A
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 張靜樂
• 申請（專利權）人: 北京慧智數據科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06F16/951
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 方亞兵

本發明公開了一種基于卷積神經網絡的貨車低排放限行識別方法，在互聯網上獲取貨車車型的參數信息，提取貨車車型圖片和對應排放標準信息；使用one?stage的InceptionV3算法訓練貨車車型識別模型；利用訓練好的貨車車型識別模型對貨車圖片進行具體分類，完成對貨車車型識別；識別出貨車車型后關聯排放信息，完成對低排放貨車的識別。與現有技術相比，本發明能夠快速、準確識別出低排放限行的貨車，便于推廣使用。

技術領域

本發明涉及智能交通控制技術領域，特別是一種基于卷積神經網絡的貨車低排放限行識別方法。

背景技術

機動車特別是黃標車、老舊車排放是大氣污染物的重要來源，由于其使用年限較長，污染控制水平較差，排放的廢氣中含有大量有毒有害的污染物，主要有顆粒物、揮發性有機物、氮氧化物和一氧化碳。這些污染物又極易在高溫、高濕、無風等不利氣象條件下發生物理和光化學反應形成PM2.5和臭氧污染，導致PM2.5和臭氧濃度超標，大氣能見度下降，是形成灰霾的重要因素。由于機動車尾氣主要集中在人口密集的城區，且貼近人體呼吸帶，對人群健康具有較直接的影響。

隨著社會經濟的發展，機動車保有量急劇增加，黃標車的治理難度愈加提升并逐年上升趨勢，目前針對這些問題，雖然一些重要技術手段已經能夠解決違法性的情況發生，但在對黃標車的識別方面還存在一定的缺陷：

1、傳統算法只能實現對車型的識別，實現功能相對比較單一。

2、車型號眾多，模型算法分類效率低，運行時間長。

發明內容

本發明的目的是要解決現有技術中存在的不足，提供一種基于卷積神經網絡的貨車低排放限行識別方法。

為達到上述目的，本發明是按照以下技術方案實施的：

一種基于卷積神經網絡的貨車低排放限行識別方法，包括以下步驟：

S1、在互聯網上獲取貨車車型的參數信息，提取貨車車型圖片和對應排放標準信息；

S2、使用One-stage的InceptionV3算法訓練貨車車型識別模型；

S3、利用訓練好的貨車車型識別模型對貨車圖片進行具體分類，完成對貨車車型識別；

S4、識別出貨車車型后關聯排放信息，完成對低排放貨車的識別。

進一步，所述S1中是通過Scrapy框架的網絡爬蟲爬取貨車車型和對應排放標準信息，具體步驟如下：

從互聯網上獲取包含貨車車型的參數信息的種子URL，不斷地將網頁中要提取的子節點即貨車車型的參數信息的超鏈接提取出來，其次將獲得的超鏈接依次解析，并不斷保存網頁信息，以此方式進行抓取貨車車型和對應排放標準信息。

進一步，所述S2中貨車車型識別模型訓練好后使用Docker打包。

與現有技術相比，本發明具有以下有益效果：

本發明針對貨車的排放標準難以人為判斷的難題，首先對貨車進行車型識別，由于車輛種類繁多，識別場景復雜多樣，從檢測精度及算法效率方面綜合考慮，使用爬蟲技術與人工智能技術相結合，達到通過檢測車型識別排放標準的目的，使用one-stage的InceptionV3算法，提高目標識別的精度和速度，使用Docker打包模型，提高移植效率性。綜述，本發明能夠快速、準確識別出低排放限行的貨車，便于推廣使用。

附圖說明

圖1為本發明的識別流程圖。

圖2為本發明的網絡爬蟲爬取貨車車型和對應排放標準信息的流程圖。

圖3為本發明使用的GoogLeNet的網絡結構圖。

圖4為本發明最終識別出的低排放的車輛圖片。