[發(fā)明專利]危險品車輛識別方法、裝置及計算機存儲介質、電子設備

在審

• 申請?zhí)枺?/td>: 202010698582.0
• 申請日: 2020-07-20
• 公開（公告）號: CN111898502A
• 公開（公告）日: 2020-11-06
• 發(fā)明（設計）人: 牛志博;張東萍;張德兵;周瑞
• 申請（專利權）人: 北京格靈深瞳信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京新知遠方知識產權代理事務所(普通合伙) 11397
• 代理人: 馬軍芳;張艷

1.一種危險品車輛識別方法，其特征在于，包括：

獲取道路圖像；

利用預先訓練得到的多級串聯(lián)卷積神經(jīng)網(wǎng)絡識別所述道路圖像中的危險品車輛；

其中，所述多級串聯(lián)卷積神經(jīng)網(wǎng)絡包括第一級卷積神經(jīng)網(wǎng)絡、第二級卷積神經(jīng)網(wǎng)絡和第三級卷積神經(jīng)網(wǎng)絡，所述第一級卷積神經(jīng)網(wǎng)絡識別所述道路圖像中危險品車輛及其車輛區(qū)域；所述第二級卷積神經(jīng)網(wǎng)絡根據(jù)所述第一級卷積神經(jīng)網(wǎng)絡返回的車輛區(qū)域的截圖識別所述車輛區(qū)域的危險品標志；所述第三級卷積神經(jīng)網(wǎng)絡根據(jù)所述第一級卷積神經(jīng)網(wǎng)絡返回的車輛區(qū)域的截圖識別車輛類型并判斷所述危險品標志的置信度，根據(jù)車輛類型和危險品標志的置信度得到危險品車輛概率。

2.根據(jù)權利要求1所述的方法，其特征在于，所述獲取道路圖像，包括：

提取攝像頭拍攝的監(jiān)控視頻；

根據(jù)所述監(jiān)控視頻獲取每幀道路圖像。

3.根據(jù)權利要求1所述的方法，其特征在于，所述危險品標志包括以下一種或多種：

危險品牌、三角形危險品標志、危險品菱形標志、“燃”/“爆”/“腐”危險品細分標志。

4.根據(jù)權利要求1所述的方法，其特征在于，所述第一級卷積神經(jīng)網(wǎng)絡的訓練過程包括：

標注訓練圖像中各車輛所在位置信息，得到包括車輛位置信息的訓練數(shù)據(jù)；

根據(jù)所述包括車輛位置信息的訓練數(shù)據(jù)，依靠梯度反傳進行訓練，得到第一級卷積神經(jīng)網(wǎng)絡；所述第一級卷積神經(jīng)網(wǎng)絡的輸入為道路圖像，輸出為道路圖像中車輛對應位置信息。

5.根據(jù)權利要求1所述的方法，其特征在于，所述第二級卷積神經(jīng)網(wǎng)絡的訓練過程包括：

標注訓練車輛圖像中各危險品標志所在位置信息及種類信息，得到包括危險品標志所在位置信息及種類信息的訓練數(shù)據(jù)；

根據(jù)所述包括危險品標志所在位置信息及種類信息的訓練數(shù)據(jù)，依靠梯度反傳進行訓練，得到第二級卷積神經(jīng)網(wǎng)絡；所述第二級卷積神經(jīng)網(wǎng)絡輸入為車輛圖像，輸出為車輛圖像中各危險品標志的位置信息及種類信息。

6.根據(jù)權利要求1所述的方法，其特征在于，所述第三級卷積神經(jīng)網(wǎng)絡的訓練過程，包括：

對若干訓練車輛樣本數(shù)據(jù)進行訓練得到車輛類型識別模型；

根據(jù)所有采樣的有危險品標志的車輛確定每種類型車輛的危險品標志的置信度。

7.根據(jù)權利要求1所述的方法，其特征在于，進一步包括：

在所述危險品車輛為第一類型的危險品車輛時，獲取所述危險品車輛的數(shù)據(jù)，將所述危險品車輛的數(shù)據(jù)作為訓練樣本重新訓練所述多級卷積神經(jīng)網(wǎng)絡；

所述第一類型的危險品車輛為在訓練所述多級卷積神經(jīng)網(wǎng)絡時占比少于第二類型的危險品車輛的車輛類型。

8.一種危險品車輛識別裝置，其特征在于，包括：

獲取模塊，用于獲取道路圖像；

識別模塊，用于利用預先訓練得到的多級串聯(lián)卷積神經(jīng)網(wǎng)絡識別所述道路圖像中的危險品車輛；

其中，所述多級串聯(lián)卷積神經(jīng)網(wǎng)絡包括第一級卷積神經(jīng)網(wǎng)絡、第二級卷積神經(jīng)網(wǎng)絡和第三級卷積神經(jīng)網(wǎng)絡，所述第一級卷積神經(jīng)網(wǎng)絡識別所述道路圖像中車輛及其車輛區(qū)域；所述第二級卷積神經(jīng)網(wǎng)絡根據(jù)所述第一級卷積神經(jīng)網(wǎng)絡返回的車輛區(qū)域的截圖識別所述車輛區(qū)域存在危險品標志；所述第三級卷積神經(jīng)網(wǎng)絡根據(jù)所述第一級卷積神經(jīng)網(wǎng)絡返回的車輛區(qū)域的截圖識別車輛類型并判斷所述危險品標志的置信度，根據(jù)車輛類型和危險品標志的置信度得到危險品車輛概率。

9.一種計算機存儲介質，其特征在于，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7任一所述方法的步驟。

10.一種電子設備，其特征在于，包括存儲器、以及一個或多個處理器，所述存儲器用于存儲一個或多個程序；所述一個或多個程序被所述一個或多個處理器執(zhí)行時，實現(xiàn)如權利要求1至7任一所述的方法。