一种基于卡口图像的车辆定位及型号识别方法技术

本发明专利技术提供了一种基于卡口图像的车辆定位及型号识别方法，利用卡口图像样本集，训练可检测车辆型号的卷积神经网络，对卡口系统拍摄的图像中的车辆的定位及型号进行识别，步骤包括：样本采集及标注；卷积神经网络的设计；卷积神经网络的训练；车辆定位及型号识别。本发明专利技术能在各种复杂环境的卡口图像中检测识别车辆型号进行精确的定位和识别，可用于智能交通、车流量检测和违法追踪等方面。

A method of vehicle location and model identification based on bayonet image

The present invention provides a method for vehicle positioning and image recognition based on the type of bayonet, the bayonet training image samples, convolutional neural network detection vehicle model, positioning and model of image captured by the monitoring system of vehicle identification, comprising the following steps: sample collection and annotation; design of convolutional neural network; convolutional neural network training; vehicle positioning and model identification. The invention can detect and identify the vehicle type in the bayonet image of various complicated environments, carry out accurate positioning and recognition, and can be used for intelligent traffic, vehicle flow detection and illegal tracking, etc..

【技术实现步骤摘要】
一种基于卡口图像的车辆定位及型号识别方法
本专利技术涉及计算机视觉目标识别
，具体是一种基于卡口图像的车辆定位及型号识别方法，可用于智能交通领域
技术介绍
智能交通是未来交通系统的发展方向，它提高了运输效率，缓解了交通拥挤，保障了交通安全，降低了能源消耗和环境污染。车型识别作为智能交通系统中的重要分支，在车流量检测、交通状态监控、红灯违法追踪和判案刑侦方面等具有非常广泛的应用前景。目前的车型和车辆型号识别方法主要有：电磁感应线圈检测法、雷达识别法、红外线识别法、车牌识别法和基于视频图像的识别方法。在前述的几种车型识别方法中，电磁感应线圈检测法、雷达识别法、红外线识别法和车牌识别法国内研究比较多，且大多已有成熟的应用，但这些方法需要增加相应的硬件设备，如地感线圈、雷达等，且只能检测大车、小车或车牌、车牌颜色等基本参数，检测结果精度较低，不能对车辆的型号进行识别。随着近些年计算机视觉技术的发展，由于其使用成本低，能获得更加详细的信息等特点，利用计算机视觉技术对车型及车辆型号进行识别的方法也慢慢被人们所提出来。由于车辆型号数目、不同型号的车辆间存在相似度较大的情况，又高速公路场景复杂本文档来自技高网...

【技术保护点】
一种基于卡口图像的车辆定位及型号识别方法，其特征在于:利用卡口图像样本集，训练可检测车辆型号的卷积神经网络，对卡口系统拍摄的图像中的车辆的定位及型号进行识别，包括以下步骤：（1）样本采集及标注：从高速公路卡口系统中采集车辆的源图像，标注出源图像中包含的每一辆车辆的位置及型号，将源图像和标注信息作为卷积神经网络的训练样本集；（2）卷积神经网络的设计：设计用于定位识别车辆的卷积神经网络，将源图像和标注信息输入网络的输入层，网络的中间层采用卷积层和全连接层提取特征，网络的输出层利用提取到的特征通过两个输出分支分别得到图片中车辆的包围盒和类型；（3）卷积神经网络的训练：使用源图像和标注信息对卷积神经网...

【技术特征摘要】
1.一种基于卡口图像的车辆定位及型号识别方法，其特征在于:利用卡口图像样本集，训练可检测车辆型号的卷积神经网络，对卡口系统拍摄的图像中的车辆的定位及型号进行识别，包括以下步骤：（1）样本采集及标注：从高速公路卡口系统中采集车辆的源图像，标注出源图像中包含的每一辆车辆的位置及型号，将源图像和标注信息作为卷积神经网络的训练样本集；（2）卷积神经网络的设计：设计用于定位识别车辆的卷积神经网络，将源图像和标注信息输入网络的输入层，网络的中间层采用卷积层和全连接层提取特征，网络的输出层利用提取到的特征通过两个输出分支分别得到图片中车辆的包围盒和类型；（3）卷积神经网络的训练：使用源图像和标注信息对卷积神经网络的参数进行迭代训练，使其具备定位和识别车辆类型的功能；（4）车辆定位及型号识别：根据训练好的卷积神经网络，对卡口系统拍摄的图像中车辆所在位置进行定位，并判断其所属的型号。2.根据权利要求1所述的一种基于卡口图像的车辆定位及型号识别方法，其特征在于，所述步骤（1）中样本收集过程如下：大数据的样本采集：根据现阶段公路上行驶车辆的型号，按照每种型号至少100张样本源图像的要求，在从不同地域、不同路况的高速公路的卡口系统中采集不同时间段的源图像样本。3.根据权利要求1所述的一种基于卡口图像的车辆定位及型号识别方法，其特征在于，所述步骤（1）中样本标注过程如下：大数据的样本标注：根据卡口自动获取的车牌号，利用车管所的数据库获取车辆的型号；通过人工框选的方法得到源图像中车辆位置的左上角和右下角坐标，将同一张源图像中的所包含的所有车辆位置和类别信息都记录在一个XML文档中；对每一张车辆源图像使用selectivesearch分割，产生的分割快的坐标全部保存在一个ss.mat中。4.根据权利要求1所述的一种基于卡口图像的车辆定位及型号识别方法，其特征在于，所述步骤（2）中，卷积神经网络的输入层设计过程如下：卷积神经网络的输入层为整个网络输入数据：训练阶段输入的数据包括图像数据，感兴趣区域包围盒，标定的目标包围盒及其所属类别的标签；检测阶段的输入层输入的数据包括图像数据和感兴趣区域包围盒。5.根据权利要求1所述的一种基于卡口图像的车辆定位及型号识别方法，其特征在于，所述步骤（2）中，卷积神经网络的中间层设计过程如下：卷积神经网络的中间层为提取特征的卷积层和全连接层，网络的结构为八层网络结构，第一层和第二层分别是96...

【专利技术属性】
技术研发人员：朱文佳，陶诗德，骆乐乐，申建飞，刘莉，
申请(专利权)人：安徽百诚慧通科技有限公司，
类型：发明
国别省市：安徽,34