一种基于深度网络的车辆检测方法技术

本发明专利技术提供一种基于深度网络的车辆检测方法，该方法首先对图像中可能是车辆的子图片的选取；其次准备深度网络训练样本的；再次对为深度网络分类器CDNN结构进行确定；最后对待分类样本进行判断，最后得到检测结果。本发明专利技术解决了现有方法在检测各类人工特征时都具有局限性，不能满足越来越复杂的道路环境下车辆检测的需要的技术问题。本发明专利技术具有检测率高，适应性强的优点。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及图像信息感知，具体涉及一种基于深度学习的车辆检测方法。
技术介绍
交通安全问题已成为世界性的重大问题，而汽车的安全性对人类生命财产的影响更是不言而喻。随着高速公路的发展和汽车性能的提高，汽车行驶速度也相应加快，加之汽车数量增加以及交通运输日益繁忙，汽车事故增多所引起的人员伤亡和财产损失，已成为一个不容忽视的社会问题，汽车的行车安全更显得非常重要。传统的被动安全已经远远不能避免交通的事故发生，而主动安全技术由于可以预防事故的发生而倍受关注。视觉传感由于具有信息量大、成本低廉的特点，在汽车主动安全领域有着广泛的应用。车辆检测技术是指利用图像传感手段对图像中的车辆搜寻和判定，获得图像中车辆的多种属性(如位置、速度、形状、外观)的过程。它是汽车主动安全领域，尤其是实现追尾预警(Forward Collision Warning，FCW)以及自动紧急刹车(Automatic Emergency Braking，AEB)功能的关键技术之一。但是，由于实际公路环境具有较大的复杂性和不确定性，会存在检测目标被遮挡、背景环境复杂、存在与目标相似的物体(如非车辆道路物体)、光线强弱变化大和车辆运动速度快等问题。因此，如何提高车辆检测的准确性、鲁棒性和实时性，解决实际道路环境下的车辆检测一直是人们研究的热点。目前常用以人工特征结合通用分类器的方法在车辆检测中占主导地位，也取得了一定的效果。然而该方法的最大缺点是，各类人工特征都尤其局限性，不能满足越来越复杂的道路环境下车辆检测的需要。针对此，本专利技术采用一种能够进行特征自生成的采用深度学习的车辆检测方法。
技术实现思路
一种基于深度网络的车辆检测方法，与基于人工特征和常规分类器的方法相比，具有检测率高，适应性强的优点。本专利技术详细技术方案如下：一种基于深度网络的车辆检测方法，其特征在于：所述方法包括以下步骤：1)选取图像中可能是车辆的子图片；2)准备深度网络训练样本的；3)对为深度网络分类器CDNN结构进行确定；4)对待分类样本进行判断，最后得到检测结果。优选地，上述步骤1)中设任一待判断子图片为I(x)，则该子图片的对称度用如下的公式进行计算： S ( x s ) = ∫ - w / 2 + w / 2 E ( u , x s ) 2 d u - ∫ - w / 2 + w / 2 O ( u , x s ) 2 d u ∫ - w / 2 + w / 2 E ( u , x s ) 2 d u + ∫ - w / 2 + w / 2 O ( u , x s ) 2 d u , - w / 2 ≤ u ≤ w / 2 - - - ( 1 ) ]]>公式中，设图像中心对称轴横坐标为xs，u＝x-xs；此外：公式(1)所计算的值S(xs)即为某图像块的对称性度量。优选地，上述步骤2中深度网络训练样本是通过人工选取大量车辆及非车辆的图片，并分别标记为正负样本，将所有正负样本都归一化到长宽均为32像素的尺寸，并设第i个样本的灰度特征向量为Gi；并设正负样本数共为n。优选地，上述步骤3中分类器结构由训练样本个数及待分类类数确定；其中深度神经网络是一个前馈的神经网络结构，并由输入层、模式层、求和层与输出层构成。优选地，上述步骤4中待判断样本先以灰度特征向量Gi表征；然后将该向量输入到步骤2得到的CDNN中，待判断样本属于输出神经元为1的类。优选地，上述步骤4还包括以下步骤：4.1、通过CDNN输入层接收来自待判断样本的灰度特征向量Gi；4.2、计算CDNN模式层计算输入特征向量与训练样本集中各个模式的匹配关系，该层每个模式神经元j的输出为： f 本文档来自技高网...

【技术保护点】
一种基于深度网络的车辆检测方法，其特征在于：所述方法包括以下步骤：1)选取图像中可能是车辆的子图片；2)准备深度网络训练样本的；3)对为深度网络分类器CDNN结构进行确定；4)对待分类样本进行判断，最后得到检测结果。

【技术特征摘要】
1.一种基于深度网络的车辆检测方法，其特征在于：所述方法包括以下步骤：1)选取图像中可能是车辆的子图片；2)准备深度网络训练样本的；3)对为深度网络分类器CDNN结构进行确定；4)对待分类样本进行判断，最后得到检测结果。2.根据权利要求1所述的基于深度网络的车辆检测方法，其特征在于：所述步骤1)中设任一待判断子图片为I(x)，则该子图片的对称度用如下的公式进行计算： S ( x s ) = ∫ - w / 2 + w / 2 E ( u , x s ) 2 d u - ∫ - w / 2 + w / 2 O ( u , x s ) 2 d u ∫ - w / 2 + w / 2 E ( u , x s ) 2 d u + ∫ - w / 2 + w / 2 O ( u , ...

【专利技术属性】
技术研发人员：陈军，
申请(专利权)人：扬州瑞控汽车电子有限公司，
类型：发明
国别省市：江苏;32