一种车辆图像检测方法、装置及系统制造方法及图纸

本发明专利技术公开了一种车辆图像检测方法、装置及系统，方法包括：将待检测图像输入全卷积神经网络模型，使其对待检测神经网络模型进行识别，以输出至少一个可疑车辆图像的可疑位置信息及可疑概率；根据各个可疑概率及可疑位置信息，提取至少一个目标可疑车辆图像；将目标可疑车辆图像输入级联卷积神经网络模型，使其对目标可疑车辆图像进行识别，以输出候选车辆图像所对应的候选位置信息及车灯位置信息；根据各张目标可疑车辆图像的可疑位置信息及其分别携带的候选车辆图像所分别对应的候选位置信息及车灯位置信息，确定各个车辆图像的位置信息。通过本发明专利技术的技术方案，可更为准确的确定出待检测图像所携带的各个车辆图像的位置信息。

【技术实现步骤摘要】
一种车辆图像检测方法、装置及系统
本专利技术涉及计算机
，尤其涉及一种车辆图像的检测方法、装置及系统。
技术介绍
业界通常采用全卷积神经网络对携带有车辆图像的待检测图像进行识别，以实现确定待检测图像所携带的各个车辆图像在该待检测图像上的位置信息。全卷积神经网络对待检测图像进行识别时，具体需要提取待检测图像的特征信息(比如，图像边缘点、纹理、色彩等)，进而根据提取的特征信息确定各个车辆图像在待检测图像上的位置信息；若待检测图像中因存在局部光照不均、局部油污甚至形成近似于车辆图像的干扰图像时，全卷积神经网络识别的车辆图像中则可能存在干扰图像或携带非车辆图像区域，无法准确确定出待检测图像所携带的各个车辆图像的位置信息。
技术实现思路
本专利技术提供一种车辆图像检测方法、装置、系统、可读介质及电子设备，可更为准确的确定出待检测图像所携带的各个车辆图像的位置信息。第一方面，本专利技术提供了一种车辆图像检测方法，包括：将待检测图像输入预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待检测神经网络模型进行识别，以输出所述待检测图像所携带的至少一个可疑车辆图像的可疑位置信息及可疑概率；根据各个所述可疑车辆图像所分别对应的可疑概率及可疑位置信息，从所述待检测图像中提取至少一个目标可疑车辆图像；针对于每一张所述目标可疑车辆图像，将所述目标可疑车辆图像输入预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述目标可疑车辆图像进行识别，以输出所述目标可疑车辆图像携带的候选车辆图像所对应的候选位置信息及车灯位置信息；根据各张所述目标可疑车辆图像的所述可疑位置信息以及各张所述目标可疑车辆图像分别携带的所述候选车辆图像所分别对应的所述候选位置信息及所述车灯位置信息，确定所述待检测图像所携带的各个车辆图像的位置信息。优选地，所述根据各张所述目标可疑车辆图像的所述可疑位置信息以及各张所述目标可疑车辆图像分别携带的所述候选车辆图像所分别对应的所述候选位置信息及所述车灯位置信息，确定所述待检测图像所携带的各个车辆图像的位置信息，包括：针对于每一张所述目标可疑车辆图像，检测所述可疑车辆图像携带的所述候选车辆图像所对应的所述车灯位置信息是否为预设参数，其中，所述车灯位置信息为所述预设参数时，表征所述级联卷积神经网络模型未检测到所述目标可疑车辆图像携带的所述候选车辆图像的车灯图像区域；当所述车灯位置信息不是所述预设参数时，根据所述目标可疑车辆图像的可疑位置信息以及所述目标可疑车辆图像携带的所述候选车辆图像所对应的所述候选位置信息确定所述待检测图像所携带的一个车辆图像的位置信息。优选地，在所述将所述目标可疑车辆图像输入预先设置的级联卷积神经网络模型之前，进一步包括：将所述目标可疑车辆图像放大至预设尺寸，其中，所述预设尺寸大于所述待检测图像的当前尺寸；则，所述将所述目标可疑车辆图像输入预先设置的级联卷积神经网络模型，包括：将放大至预设尺寸的所述目标可疑车辆图像输入所述级联卷积神经网络模型。优选地，进一步包括：根据各个所述车辆图像的位置信息，在所述待检测图像中标记所述待检测图像携带的各个所述车辆图像的位置。优选地，所述根据各个所述可疑车辆图像所分别对应的可疑概率及可疑位置信息，从所述待检测图像中提取至少一个目标可疑车辆图像，包括：从所述全卷积神经网络模型输出的各个所述可疑概率中选择出大于预设概率阈值的至少一个目标可疑概率；根据各个所述目标可疑概率所分别对应的目标可疑车辆图像的所述可疑位置信息，从所述待检测图像中提取各个所述目标可疑车辆图像。第二方面，本专利技术提供了一种车辆图像检测装置，包括：第一交互模块，用于将待检测图像输入预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待检测神经网络模型进行识别，以输出所述待检测图像所携带的至少一个可疑车辆图像的可疑位置信息及可疑概率；图像提取模块，用于根据各个所述可疑车辆图像所分别对应的可疑概率及可疑位置信息，从所述待检测图像中提取至少一个目标可疑车辆图像；第二交互模块，用于针对于每一张所述目标可疑车辆图像，将所述目标可疑车辆图像输入预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述目标可疑车辆图像进行识别，以输出所述目标可疑车辆图像携带的候选车辆图像所对应的候选位置信息及车灯位置信息；位置确定模块，用于根据各张所述目标可疑车辆图像的所述可疑位置信息以及各张所述目标可疑车辆图像分别携带的所述候选车辆图像所分别对应的所述候选位置信息及所述车灯位置信息，确定所述待检测图像所携带的各个车辆图像的位置信息。优选地，所述位置确定模块，包括：检测单元和确定单元；其中，所述检测单元，用于针对于每一张所述目标可疑车辆图像，检测所述可疑车辆图像携带的所述候选车辆图像所对应的所述车灯位置信息是否为预设参数，其中，所述车灯位置信息为所述预设参数时，表征所述级联卷积神经网络模型未检测到所述目标可疑车辆图像携带的所述候选车辆图像的车灯图像区域；所述确定单元，用于当所述车灯位置信息不是所述预设参数时，根据所述目标可疑车辆图像的可疑位置信息以及所述目标可疑车辆图像携带的所述候选车辆图像所对应的所述候选位置信息确定所述待检测图像所携带的一个车辆图像的位置信息。优选地，还包括：标记处理模块，用于根据各个所述车辆图像的位置信息，在所述待检测图像中标记所述待检测图像携带的各个所述车辆图像的位置。优选地，所述图像提取模块，用于执行：从所述全卷积神经网络模型输出的各个所述可疑概率中选择出大于预设概率阈值的至少一个目标可疑概率；根据各个所述目标可疑概率所分别对应的目标可疑车辆图像的所述可疑位置信息，从所述待检测图像中提取各个所述目标可疑车辆图像。第三方面，本专利技术提供了一种车辆图像检测系统，包括：全卷积神经网络模型、级联卷积神经网络模型，以及如权利要求5所述的车辆图像检测装置；其中，所述全卷积神经网络模型，用于接收所述车辆图像检测装置输入的待检测图像，对所述待检测神经网络模型进行识别以输出所述待检测图像所携带的至少一个可疑车辆图像的可疑位置信息及可疑概率至所述车辆图像检测装置；所述级联卷积神经网络模型，用于接收所述车辆图像检测装置输入的目标可疑车辆图像，对所述目标可疑车辆图像进行识别以输出所述目标可疑车辆图像携带的候选车辆图像所对应的候选位置信息及车灯位置信息至所述车辆图像检测装置。第四方面，本专利技术提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的方法。第五方面，本专利技术提供了一种电子设备，包括：处理器、存储器和总线；所述存储器用于存储执行指令，所述处理器与所述存储器通过所述总线连接，当所述电子设备运行时，所述处理器执行所述存储器存储的所述执行指令，以使所述处理器执行如第一方面中任一所述的方法。本专利技术提供了一种车辆图像检测方法、装置、系统、可读介质及电子设备，该方法中，待检测图像可能携带有个车辆图像以及近似于车辆图像的干扰图像，通过预先设置的全卷积神经网络模型检测出待检测图像所携带的各个可疑车辆图像的可疑位置信息及可疑概率之后，可根据各个可疑车辆图像的可疑位置信息及可疑概率，从待检测图像中提取出较大概率携带车辆图像的目标可疑车辆图像而滤除一部分本文档来自技高网...

【技术保护点】
1.一种车辆图像检测方法，其特征在于，包括：将待检测图像输入预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待检测神经网络模型进行识别，以输出所述待检测图像所携带的至少一个可疑车辆图像的可疑位置信息及可疑概率；根据各个所述可疑车辆图像所分别对应的可疑概率及可疑位置信息，从所述待检测图像中提取至少一个目标可疑车辆图像；针对于每一张所述目标可疑车辆图像，将所述目标可疑车辆图像输入预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述目标可疑车辆图像进行识别，以输出所述目标可疑车辆图像携带的候选车辆图像所对应的候选位置信息及车灯位置信息；根据各张所述目标可疑车辆图像的所述可疑位置信息以及各张所述目标可疑车辆图像分别携带的所述候选车辆图像所分别对应的所述候选位置信息及所述车灯位置信息，确定所述待检测图像所携带的各个车辆图像的位置信息。

【技术特征摘要】
1.一种车辆图像检测方法，其特征在于，包括：将待检测图像输入预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待检测神经网络模型进行识别，以输出所述待检测图像所携带的至少一个可疑车辆图像的可疑位置信息及可疑概率；根据各个所述可疑车辆图像所分别对应的可疑概率及可疑位置信息，从所述待检测图像中提取至少一个目标可疑车辆图像；针对于每一张所述目标可疑车辆图像，将所述目标可疑车辆图像输入预先设置的级联卷积神经网络模型，使得所述级联卷积神经网络模型对所述目标可疑车辆图像进行识别，以输出所述目标可疑车辆图像携带的候选车辆图像所对应的候选位置信息及车灯位置信息；根据各张所述目标可疑车辆图像的所述可疑位置信息以及各张所述目标可疑车辆图像分别携带的所述候选车辆图像所分别对应的所述候选位置信息及所述车灯位置信息，确定所述待检测图像所携带的各个车辆图像的位置信息。2.根据权利要求1所述的方法，其特征在于，所述根据各张所述目标可疑车辆图像的所述可疑位置信息以及各张所述目标可疑车辆图像分别携带的所述候选车辆图像所分别对应的所述候选位置信息及所述车灯位置信息，确定所述待检测图像所携带的各个车辆图像的位置信息，包括：针对于每一张所述目标可疑车辆图像，检测所述可疑车辆图像携带的所述候选车辆图像所对应的所述车灯位置信息是否为预设参数，其中，所述车灯位置信息为所述预设参数时，表征所述级联卷积神经网络模型未检测到所述目标可疑车辆图像携带的所述候选车辆图像的车灯图像区域；当所述车灯位置信息不是所述预设参数时，根据所述目标可疑车辆图像的可疑位置信息以及所述目标可疑车辆图像携带的所述候选车辆图像所对应的所述候选位置信息确定所述待检测图像所携带的一个车辆图像的位置信息。3.根据权利要求1所述的方法，其特征在于，在所述将所述目标可疑车辆图像输入预先设置的级联卷积神经网络模型之前，进一步包括：将所述目标可疑车辆图像放大至预设尺寸，其中，所述预设尺寸大于所述待检测图像的当前尺寸；则，所述将所述目标可疑车辆图像输入预先设置的级联卷积神经网络模型，包括：将放大至预设尺寸的所述目标可疑车辆图像输入所述级联卷积神经网络模型。4.根据权利要求1至3中任一所述的方法，其特征在于，进一步包括：根据各个所述车辆图像的位置信息，在所述待检测图像中标记所述待检测图像携带的各个所述车辆图像的位置；和/或，所述根据各个所述可疑车辆图像所分别对应的可疑概率及可疑位置信息，从所述待检测图像中提取至少一个目标可疑车辆图像，包括：从所述全卷积神经网络模型输出的各个所述可疑概率中选择出大于预设概率阈值的至少一个目标可疑概率；根据各个所述目标可疑概率所分别对应的目标可疑车辆图像的所述可疑位置信息，从所述待检测图像中提取各个所述目标可疑车辆图像。5.一种车辆图像检测装置，其特征在于，包括：第一交互模块，用于将待检测图像输入预先设置的全卷积神经网络模型，使得所述全卷积神经网络模型对所述待检测神经网络模型进行识别，以输出所述待检测图像所携带的至少一个可疑车辆...

【专利技术属性】
技术研发人员：陈安猛，彭莉，谯帅，吴香莲，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：河北,13