The invention provides a vehicle attribute recognition method based on convolution neural network. The method mainly includes: using the training sample image convolution neural network, image acquisition to vehicle recognition, image recognition using the trained neural network convolution of the vehicle, to obtain vehicle models, body color and abnormal behavior of driver attributes. Can the vehicle attribute recognition method provided by the invention in the access to the vehicle image to be identified, without the need for users to design their own features, you can directly use the pre trained convolutional neural network direct extraction depth characteristics, vehicle recognition, vehicle color recognition and driver abnormal behavior recognition.
【技术实现步骤摘要】
基于卷积神经网络的车辆属性识别方法与装置
本专利技术涉及
,尤其涉及一种基于卷积神经网络的车辆属性识别方法与装置。
技术介绍
车辆属性是车辆识别、标识、检索等相关应用的重要线索,它的内涵丰富,不仅标识了车辆自身的属性,如车牌号码、车辆品牌、车身颜色等,还包括乘员属性,比如驾驶员的异常行为。针对监控数据中的车辆自身属性进行识别,既可以从海量数据中提取有用信息,也可以节约数据存储成本,对帮助人们智能分析监控数据中的车辆起到重要作用。另外,全世界每天有3000多位乘车人员因为交通事故而丧生,每年有数以百万记的乘车人员因为交通事故受伤甚至致残。在因交通事故伤亡的人中,司机乘客未系安全带或者驾驶中接打电话等行为是伤势过重甚至死亡的重要原因之一。驾驶员异常行为检测算法可以通过分析图像信息,自动判断司机是否存在异常行为。目前,现有技术中的车辆自身属性识别方法一般基于人工规则设计特征(如HOG,SIFT等)描述车辆信息,再利用SVM(SupportVectorMachine,支持向量机)等分类算法进行模型训练。上述现有技术中的车辆自身属性识别方法的缺点为:需要针对不同的任务人为设计不同的特征,识别准确率低。该方法中的驾驶员异常行为检测算法只是检测是否系安全带,并且在安全带检测环节,通过霍夫变换识别安全带斜线信息容易受到司机衣着、车窗透光性较差等因素干扰,难以提取明显的安全带信息,进而导致检测不准确。
技术实现思路
本专利技术的实施例提供了一种基于卷积神经网络的车辆属性识别方法,以实现有效地提取出车辆属性。为了实现上述目的,本专利技术采取了如下技术方案。一种基于卷积神经网 ...
【技术保护点】
一种基于卷积神经网络的车辆属性识别方法,其特征在于,构造卷积神经网络,利用样本图像训练卷积神经网络,所述方法具体包括:获取待识别车辆的图像;利用训练好的卷积神经网络识别所述车辆的图像,获取车辆的车型、车身颜色及驾驶员异常行为属性。
【技术特征摘要】
1.一种基于卷积神经网络的车辆属性识别方法,其特征在于,构造卷积神经网络,利用样本图像训练卷积神经网络,所述方法具体包括:获取待识别车辆的图像;利用训练好的卷积神经网络识别所述车辆的图像,获取车辆的车型、车身颜色及驾驶员异常行为属性。2.根据权利要求1所述的方法,其特征在于,所述的构造卷积神经网络,利用样本图像训练卷积神经网络包括:选定一个通用的分类网络,在所述分类网络的前半部分加入分支,使分支后的网络直到最后一个特征提取层具有上下两个分支,在上方分支最后的全连接层并列两个softmax层,该两个softmax层用于车型和车身颜色的识别;在下方分支最后的全连接层添加一个softmax层,该softmax层用于驾驶员异常行为的识别,得到初始的卷积神经网络;获取标记好车辆属性的样本图像,所述车辆属性包括车型、车身颜色和驾驶员异常行为;利用所述初始的卷积神经网络识别所述样本图像,根据所述初始的卷积神经网络输出结果与所述样本图像的车辆属性之间的差异,从所述初始的卷积神经网络的最后一层通过反向传播算法开始逐层向前反馈,进行卷积神经网络的网络参数的训练;对所述初始的卷积神经网络经过一定数量的样本图像的训练后,得到训练好的卷积神经网络。3.根据权利要求2所述的方法,其特征在于,所述的利用样本图像训练卷积神经...
【专利技术属性】
技术研发人员:王耀威,徐博,田永鸿,黄铁军,
申请(专利权)人:北京理工大学,北京大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。