一种基于卷积神经网络自适应的车辆检测方法技术

本发明专利技术公开了一种基于卷积神经网络自适应的车辆检测方法，包括以下步骤：S1、离线训练：收集车辆样本和非车辆样本，组成源样本，对源样本进行预处理并训练源CNN车辆检测器；S2、离线自适应调整：自适应地调整步骤S1得到的源CNN车辆检测器，提高其在当前监控场景的准确率，得到目标CNN车辆检测器；S3、在线检测：获取检测图像，利用S2得到的目标CNN车辆检测器进行车辆检测并输出检测结果。本发明专利技术针对不同的监控场景自适应地调整在大样本上训练完成的基于卷积神经网络的即源CNN车辆检测器，使其成为能完成当前监控场景车辆检测任务的即目标CNN车辆检测器，能够对车辆进行精确检测，并且针对不同复杂场景具有自适应性。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域和智能交通
，特别涉及一种基于卷积神经网 络自适应的车辆检测方法。
技术介绍
随着视频监控技术的发展，视频摄像机已经被广泛应用于各种监控场所。但是，视 频摄像机数量的急剧增加导致传统的人工监控方式已经远远不能满足大范围监控的需要。 因此，智能监控技术成为近年来计算机视觉领域和智能交通
的研究重点。在智能 监控技术中，车辆检测是一个关键技术，许多后续的分析都要依赖于精确的车辆检测结果。目前大多数车辆检测方法都采用传统的检测方案，即首先滑动窗口截取子图像， 然后对子图像进行车辆特征提取，最后识别所提取特征的类别（车辆或是背景）。当前主要 的车辆特征有HOG特征、Gabor特征和STRIP特征等单一特征，或者这些单一特征组合而成 的混合特征（H0G特征+Gabor特征，HOG特征+Haar-Iike特征等）；用于特征识别的车辆分 类器主要有Adaboost、支持向量机或者神经网络。 根据上述两种现有车辆检测方法的分析可知，基于简单特征和缺乏场景自适应性 的车辆检测方法都达不到当前智能监控中精确车辆检测的要求。因此，我们需要一种针对 不同本文档来自技高网...

【技术保护点】
一种基于卷积神经网络自适应的车辆检测方法，其特征在于，包括以下步骤：S1、离线训练：收集车辆样本和非车辆样本，组成源样本，对源样本进行预处理并训练源CNN车辆检测器；S2、离线自适应调整：自适应地调整步骤S1得到的源CNN车辆检测器，提高其在当前监控场景的准确率，得到目标CNN车辆检测器；S3、在线检测：获取检测图像，利用S2得到的目标CNN车辆检测器进行车辆检测并输出检测结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：李旭冬，叶茂，王梦伟，苟群森，李涛，张里静，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51