[發(fā)明專利]一種基于深度學習技術的改裝貨車識別方法

有效

• 申請?zhí)枺?/td>: 202010570498.0
• 申請日: 2020-06-22
• 公開（公告）號: CN111461093B
• 公開（公告）日: 2020-09-29
• 發(fā)明（設計）人: 張靜樂;齊聰雅
• 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;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 馬國冉

本發(fā)明提供了一種基于深度學習技術的改裝貨車識別方法，此方法通過搜集大量改裝車的圖片數據，基于深度學習技術和利用卷積神經網絡技術，提取改裝貨車與正常貨車的細微差異和特征，實現(xiàn)了對改裝貨車的有效識別。本發(fā)明的有益效果在于：本發(fā)明的方法通過機器對道路上的貨車進行識別，人工只需核驗最終結果，大大降低了工作量，提高了監(jiān)測效率，有效的保障了道路安全；本發(fā)明的方法基于深度學習技術，可以更新迭代，以適應實際道路情況；本發(fā)明的方法利用卷積神經網絡技術提取改裝貨車與正常貨車的細微差異特征，實現(xiàn)了端到端的識別改裝貨車，降低了對設備的要求，同時也提高了識別效率和能力。

技術領域

本發(fā)明屬于圖像識別技術領域，涉及一種改裝貨車識別方法，具體涉及一種基于深度學習技術的改裝貨車識別方法。

背景技術

隨著運輸成本的提高，越來越多的貨運司機為了增加收益對貨車進行改裝，使貨車能裝載更多的貨物。但是貨車超限超載是十分危險的行為，超限超載車輛長期處于超負荷運轉狀態(tài)，使得車輛制動、操作等安全性能顯著降低，極易發(fā)生爆胎、剎車失靈、鋼板彈簧折斷、半軸斷裂等險情，給交通安全帶來嚴重隱患。據統(tǒng)計，載重貨車道路交通事故中有80%以上是由于超限超載運輸引起。

從另一方面來說，超限超載車輛的荷載遠超一般公路和橋梁的設計承受荷載，其頻繁行駛于公路和橋梁，會造成路面損壞、橋梁斷裂，大幅縮短公路正常使用年限。而只有保證了城市道路、橋梁安全，才能保障城市道路交通所有參與人員的生命安全。城市公共交通安全得來不易，不能有絲毫的茍且懈怠，依法進一步加強違法超限超載治理刻不容緩。

目前，城市道路交通管理越來越智能化，可對路況進行實時監(jiān)控，發(fā)現(xiàn)交通事故處理快，但是如何有效快速的識別出改裝車輛，預防交通事故的發(fā)生，保證城市道路安全亟待解決。

發(fā)明內容

為了彌補現(xiàn)有技術的不足，本發(fā)明提供了一種基于深度學習技術的改裝貨車識別方法，此方法通過搜集大量改裝車的圖片數據，并基于深度學習技術，提取改裝貨車與正常貨車的細微差異和特征，實現(xiàn)了有效識別改裝貨車的目的。

本發(fā)明提供了一種基于深度學習技術的改裝貨車識別方法，該方法包括以下步驟：

S1：從道路交通電子監(jiān)控設備中提取監(jiān)控圖片；

S2：對所述監(jiān)控圖片中的車輛按照貨車、功能車、車尾三類進行標注，形成數據集；其中所述功能車包括渣土車、危化品運輸車；

S3：將步驟S2中通過標注得到的所述數據集輸入到RefineDet目標檢測算法中，訓練得到一個目標檢測模型；所述目標檢測模型用于從監(jiān)控圖片中檢測出貨車區(qū)域；

S4：利用所述目標檢測模型對所述監(jiān)控圖片進行檢測獲得貨車區(qū)域，并將所述貨車區(qū)域從所述監(jiān)控圖片中切出來；之后將切出的貨車區(qū)域按照正常貨車和改裝貨車進行分類，獲得分類貨車數據；

S5：使用所述分類貨車數據，訓練一個只有兩個分類的細粒度分類模型；所述細粒度分類模型用于識別改裝貨車；

S6：將所述細粒度分類模型用于識別改裝貨車，如果識別結果為改裝貨車時，則生成預警信息，通知監(jiān)管人員；否則，收集識別錯誤數據，識別結束。

進一步的，所述RefineDet目標檢測算法是基于SSD算法的改進，通過兩步級聯(lián)回歸策略來回歸目標的位置和大小。

進一步的，步驟S5中所述細粒度分類模型的訓練過程如下：

S5-1：對整個貨車區(qū)域做卷積運算，提取貨車的整體特征，獲得卷積層；

S5-2：從所述卷積層中選取一個高層的卷積，訓練一個C x 1 x 1的卷積核，用于檢測某些具有判別力的局部區(qū)域域，其中所述C的取值為3和5；