[發明專利]一種基于改進faster R-CNN的物流車輛特征定位的方法

在審

• 申請號: 202010690178.9
• 申請日: 2020-07-17
• 公開（公告）號: CN111986080A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 張燁;樊一超;陳威慧
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06T3/60;G06T7/62;G06T7/73;G06K9/00;G06K9/32
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

一種基于改進faster R?CNN的物流車輛特征定位的方法，包括：步驟一，物流車輛圖像增強處理；引入數據增強的手段對物流車輛圖像進行處理；步驟二，構建基礎網絡模型；采用VGGNet?16基本網絡作為特征提取網絡；同時為了實現對物流車輛的定位，在VGGNet?16的第五個卷積層第三個卷積分層中的特征提取模塊后加入了一個RPN網絡的目標檢測定位模型；步驟三，使用非極大值抑制算法對物流車輛目標的篩選；步驟四，對物流車輛目標特征進行統一歸一化；將得到的固定維度數據的特征圖傳入到基本網絡模型的第七階段即可求得精確的物流車輛定位邊界框及其對應車型的概率。本發明在不同環境、場景下對物流車輛的特征定位性能良好。

技術領域

本發明涉及一種基于改進faster R-CNN的物流車輛特征定位的方法。

技術背景

近年來隨著交通物流的發展，越來越多的物流車輛服務于我們的工作和生活中，但這也造成了一個問題，過多的物流工程車輛，導致園區內車輛停放管理難度系數加大。雖然物流車輛的拖掛、甩掛等操作能夠提高貨物裝載的運行效率，但是目前尚存在物流車輛不合理占用停車位、拖掛、甩掛無法精準收費等問題，更為嚴重的是有些車主為了躲避監控的檢測存在套牌等極度危險的行為。

為了有效解決物流工程車輛方面的管理問題，現如今已有很多通過采用計算機視覺等技術手段對不同車型的物流車輛進行識別的例子，其識別方法大多是從交通路口攝像頭或者圖像采集卡中獲得車型的圖像，又因為交通視頻所采集到的畫面是車輛在自然環境下經過某一位置的定位，即找出圖像中車輛的準確位置后對其進行車輛的特征提取操作，從而達到車型的識別。但是目前的識別方法對車型識別主要存在以下幾方面的困難：(1)不同光照條件下對車型的識別效果影響極大，同一輛車在晴天、雨天、雪天等環境下的視覺感受不同則會造成識別錯誤的情況；(2)車輛所處的場景復雜多變，比如在鄉間小路等背景復雜的場景中，無法快速精準的將前景和背景分離；(3)車型外觀多變，不同車型的外觀包括多種參數，比如顏色、形狀、品牌、尺寸等，都會對車輛特征的識別造成影響。總之，目前利用計算機視覺對物流車輛特征的識別依然存在著環境、場景、外觀等不確定性因素的影響，導致其難以識別的問題。

發明內容

為了克服現有技術的上述不足，本發明針對物流工程車輛方面的管理問題及傳統識別方法因環境、場景、外觀等不確定性因素所導致難以識別等問題提供了一種基于改進faster R-CNN的物流車輛特征定位的方法。

本發明先對物流車輛圖像進行數據增強，使樣本圖像增加場景多樣性；然后，使用改進后的fasterR-CNN構建基礎的網絡模型；隨后，引入非極大值抑制算法對物流車輛目標邊界框進行篩選；最后，對物流車輛目標特征統一歸一化，實現精準定位。

為實現上述目的，本發明采用以下技術方案：

一種基于改進faster R-CNN的物流車輛特征定位的方法，包括如下步驟：

步驟一，物流車輛圖像增強處理；

對于物流車輛拍攝角度固定、背景單一、檢測率較低等問題，本發明引入了數據增強的手段，通過按照多尺度等比例縮放、圖像旋轉和增強飽和度等操作對物流車輛圖像進行處理，從而增加其場景多樣性，以便用于進一步的識別定位。

1.1)對物流車輛進行多尺度等比例縮放操作；

本著不破壞原始圖像中物流車輛特定長寬高比例的原則，對物流車輛圖像進行多種尺度的縮放，使得定位網絡能夠學習到特定比例的目標特征。

假設某物流車輛縮放前的像素坐標記為A₀(x₀,y₀)，縮放后的坐標記為A₁(x₁,y₁)，則A₀與A₁滿足關系式：