【技术实现步骤摘要】
一种人车分类方法及装置
本申请涉及一种人车分类方法及装置。
技术介绍
随着我国经济的发展,城市化水平进一步提高。智慧城市已经成为城市现代化发 展的重要方向。视频监控系统作为智慧城市的重要组成部分,也正朝着智能化和网络化方 向发展。在智能视频监控中,行人和车辆的分类是公安图像侦查和交通状态分析的前期处 理过程的重要问题。因此,基于图像处理和机器学习的人车分类方法是智能视频监控的关 键技术,已成为国内外相关领域的研究热点。 人车分类系统的传统流程包括图像获取、特征提取、分类器判别三个步骤。在特征 提取方面,HOG算子、LBP算子、SIFT等方法用于对图像的特征进行提取。但是,每一种特 征算子都有自己的应用范围,没有一种算法可以同时处理智能监控视频中的光照、外观和 尺寸大幅变化的问题;SVM、神经网络、贝叶斯分类器等理论在图像分类领域广泛应用。其 中,对于小样本、类内差异比较小的图像样本集,使用SVM能够取得比较好的效果,但是,对 于监控视频中的人车这样的类内差异大、数据量多的图像样本集,SVM并不能取得很好的效 果。监控视频中行人和车辆本身具有复杂性和多变性,不同的时间段同一个摄像头获得的 行人和车辆的图像可能会千差万别,在不同路段获得的行人和车辆,也会存在很大差异,因 此采用传统的分类器方法难以达到较高的分类正确率。那么为了准确地判断某一图像样本 所属类别,需要对大量样本进行学习,以提高系统的正确识别率。近两年,基于深度学习的 图像样本分类技术,在对大样本的数据集的处理上取得了巨大成功。人车分类数据集也是 一个较为庞大的数据集 ...
【技术保护点】
一种人车分类方法,其特征在于,包括训练过程和分类过程:所述训练过程包括:读取训练样本集;计算训练样本集的类内差异性和类间差异性,计算差异性比值,所述差异性比值为类内差异性和类间差异性的比值;将所述差异性比值与预设阈值进行比较,根据比较的结果确定所述深度卷积神经网络的卷积层数;初始化深度卷积神经网络;结合所述卷积层数对初始化后的深度卷积神经网络进行训练,得到深度卷积神经网络模型;所述分类过程包括:对输入的待测试图像,利用所述深度卷积神经网络模型进行分类。
【技术特征摘要】
1. 一种人车分类方法,其特征在于,包括训练过程和分类过程: 所述训练过程包括: 读取训练样本集; 计算训练样本集的类内差异性和类间差异性,计算差异性比值,所述差异性比值为类 内差异性和类间差异性的比值; 将所述差异性比值与预设阈值进行比较,根据比较的结果确定所述深度卷积神经网络 的卷积层数; 初始化深度卷积神经网络; 结合所述卷积层数对初始化后的深度卷积神经网络进行训练,得到深度卷积神经网络 模型; 所述分类过程包括: 对输入的待测试图像,利用所述深度卷积神经网络模型进行分类。2. 如权利要求1所述的方法,其特征在于,所述训练过程还包括在计算训练样本集的 类内差异性和类间差异性之前,对训练样本集进行图像预处理;所述分类过程还包括在利 用所述深度卷积神经网络模型进行分类之前,对输入的待测试图像进行图像预处理。3. 如权利要求2所述的方法,其特征在于,所述图像预处理步骤包括: 将训练样本集的每一幅图像样本进行灰度转换,将转换后的灰度图像进行缩放,得到 统一尺寸的灰度图像; 用网格将所述统一尺寸的灰度图像都划分成mlXml个子图像块Ul,ml为正整数; 分别统计各个子图像块Ul的灰度值概率分布函数; 对各个子图像块Ul的灰度值概率分布函数按如下公式进行归一化调整:其中,P(O)为预设概率阈值,pl(r)为调整前的灰度值概率分布函数,p2(r)为调整后 的灰度值概率分布函数,a是归一化系数,r为灰度值; 用网格将所述统一尺寸的灰度图像都划分成m2Xm2个子图像块U2,其中,m2为正整数 且m2大于ml; 按如下公式计算每个子图像块U2的像素点共享灰度值概率分布函数:其中,p3(r)为像素点共享灰度值概率分布函数,η为与当前子图像块U2发生重叠的 子图像块Ul的个数,h为与当前子图像块U2发生重叠的η个子图像块Ul中的第i个子图 像块Ul的重叠率,i为正整数且i<n,p2i(r)为η个子图像块Ul中的第i个子图像块Ul 的调整后的灰度值概率分布函数p2(r); 对于每个子图像块U2,利用灰度值映射函数对所述转换后的灰度图像的灰度值进行自 适应调整,得到调整后的图像样本的灰度值,所述自适应调整的公式如下:其中,f(rl)为灰度值映射函数,rl为所述转换后的灰度图像的灰度值,r2为调整后的 图像样本的灰度值。4. 如权利要求1至3任一项所述的方法,其特征在于,所述预设阈值包括第一阈值和大 于所述第一阈值的第二阈值,根据所述差异性比值与预设阈值的比较结果确定所述深度卷 积神经网络的卷积层数的步骤包括 : 若所述差异性比值大于或等于第二阈值,则所述卷积层数为一号层数; 若所述差异性比值大于或等于第一阈值且小于第二阈值,则所述卷积层数为二号层 数; 若所述差异性比值小于第一阈值,则所述卷积层数为三号...
【专利技术属性】
技术研发人员:刘凯,吴伟华,
申请(专利权)人:深圳市华尊科技有限公司,
类型:发明
国别省市:广东;44