一种通过视频区分电动自行车和摩托车的方法技术

本发明专利技术公开了一种通过视频区分电动自行车和摩托车的方法，主要用于区别电动自行车和摩托车的车牌，本发明专利技术通过摄像头采集道路上电动自行车和摩托车的车牌特征并生成图像；本发明专利技术通过深度学习的训练模型提取图像的特征，并判断图像中是否含有摩托车，若检测到摩托车，则输出报警信息；本发明专利技术采用深度学习的方式提取物体的深度特征，并且提取出来的特征具有很强的鲁棒性，能够克服各种环境的干扰，从而大幅提高识别的准确率，极大程度的较少了通过人力进行监督的投入，而且相对传统识别方法精度得到很大的提高。

A method of distinguishing electric bicycles from motorcycles by video

The invention discloses a method of distinguishing electric bicycles and motorcycles through video, which is mainly used to distinguish the license plates of electric bicycles and motorcycles. The invention is to collect the features of the license plate of an electric bicycle and a motorcycle on a road and generate an image through a camera; the invention extracts the special image by a training model of depth learning. If the motorcycle is detected, the warning information is output if the motorcycle is detected. The invention adopts the depth learning method to extract the depth features of the object, and the extracted features have strong robustness, and can overcome the interference of various environments, and greatly improve the accuracy of recognition. The degree of the input is less supervised by manpower, and the accuracy of the traditional identification method has been greatly improved.

【技术实现步骤摘要】
一种通过视频区分电动自行车和摩托车的方法
本专利技术属于交通视频检测的
，具体涉及一种通过视频区分电动自行车和摩托车的方法。
技术介绍
摩托车因其速度快、体积小、安全措施差等原因，在道路行驶中很容易带来交通事故，因此是交通部门的重点监控对象。道路视频监管可以有效的监控摩托车违规，然而电动自行车和摩托车具有非常相似的特征，有时很难将电动自行车和摩托车区分开来，这给道路监管带来了一定的困扰。传统方法中通过图像处理手段区分电动自行车和摩托车，但是往往会因为行驶速度、天气等原因，产生的图像可能会出现运动模糊等现象。因此需要对图像进行很多预处理，以方便在上面提取特征。特征通常采用人工提取的方式，如利用排气管大小等外在特征因素提取hog、sift等特征，然而这些特征很容易受到环境的干扰，使得识别率变得很低，不能很好的分辨出电动自行车和摩托车。
技术实现思路
本专利技术的目的在于提供一种通过视频区分电动自行车和摩托车的方法，主要用于区别电动自行车和摩托车的车牌，本专利技术通过摄像头采集道路上电动自行车和摩托车的车牌特征并生成图像；本专利技术通过深度学习的训练模型提取该图像的特征，并判断图像中是否含有摩托车，若检测到摩托车，则输出报警信息；本专利技术采用深度学习的方式提取物体的深度特征，并且提取出来的特征具有很强的鲁棒性，能够克服各种环境的干扰，从而大幅提高识别的准确率，极大程度的较少了通过人力进行监督的投入，而且相对传统识别方法精度得到很大的提高。本专利技术主要通过以下技术方案实现：一种通过视频区分电动自行车和摩托车的方法，主要用于区别电动自行车和摩托车的车牌，主要包括以下步骤：步骤A1：通过摄像头采集道路上电动自行车和摩托车实时视频，并生成图像；步骤A2：采用深度学习方法对标记后的电动自行车和摩托车的车牌进行特征提取，选取最后一层作为特征提取的结果，并在后面接一个softmax函数来判定是电动自行车还是摩托车，选取概率较大的值作为输出的结果，得到训练模型；步骤A3：将步骤A1中生成的图像输入到训练模型中，若检测到是摩托车的车牌，则输出报警信息。所述softmax函数为现有技术，故不再赘述。所述摄像头的架设方式、视频提取图像的方法均为现有技术，故不再赘述。所述深度学习的模型为现有技术且不是本专利技术的改进点，故不再赘述。为了更好的实现本专利技术，进一步的，所述步骤A2主要包括以下步骤：步骤A21：通过摄像头采集电动自行车和摩托车的视频，并转化为图像，按照电动自行车和摩托车的分类标记每个图像的类型；步骤A22：将图像分为分成13×13的矩形块，并对个矩形块采用聚类预测锚点框，锚点框的大小匹配不同检测物体的大小，从而避免多个物体位于一个矩形块时只检测到一个物体的情况；步骤A23：将分割后的每个矩形块送入一个多层卷积神经网络中，采用卷积神经网络提取图像特征，取出最后一层的特征，并输入softmax函数中，选取概率较大的值作为输出的结果，多次训练之后生成训练模型。为了更好的实现本专利技术，进一步的，所述步骤A1中将采集的视频转化为图像，所述图像分成若干个13×13的矩形块，并对每个矩形块采用聚类预测锚点框，锚点框的大小匹配不同检测物体的大小。为了更好的实现本专利技术，进一步的，所述步骤A3中步骤A1中生成的图像输入到步骤A2中生成的训练模型中，将分割后的每个矩形块送入一个多层卷积神经网络中，使用卷积神经网络对图像进行特征提起，并取最后一层的特征输入softmax函数，初步判断每个矩形块是否包含电动自行车或者摩托车的车牌特征；若矩形块中包含电动自行车或者摩托车的车牌特征，则生成对应的包围框，若整个图像检测到摩托车的车牌，则输出报警信息。为了更好的实现本专利技术，进一步的，所述步骤A3中，当每个图像分块中提取的包围框可能有多个时，则采用非极大值抑制算法搜索局部最大值，从而过滤掉非极大值的包围框，使得最终的每个图像分块只保留一个包围框。为了更好的实现本专利技术，进一步的，所述矩形块取5个以上锚点框。本专利技术主要包括以下步骤：①首先通过交通摄像头采集数据，可以在卡口架设摄像头，考虑到车辆行驶速度、天气变化等影响，可以采用高清摄像头对车辆进行视频捕捉，并尽量使用广角摄像头以捕获到更大的场景，通过收集道路上行驶的电动自行车和摩托车图片，人工对电动自行车和摩托车图片进行类型标记；②采用深度学习方法对标记后的电动自行车和摩托车的车牌自动进行特征的提取，选取最后一层作为特征提取的结果，并在后面接一个softmax函数来判定是电动自行车还是摩托车，选取概率较大的值作为输出的结果；③采用生成后的训练模型对检测图像进行预测，从而正确区分电动自行车和摩托车。本专利技术通过采用深度学习的方式对特征进行提取，使用训练好的模型对输入图片进行预测，从而对检测图片中的车辆自动分辨类型，进一步区分出电动自行车和摩托车。相比传统的通过排气管或者外形等不容易分辨的特征，深度学习可以自动提取更具鲁棒性的特征，从而使得检测结果更加准确。本专利技术采集视频并将视频转化为多帧图像，将采集的图像分成13×13的矩形块，并对个矩形块采用聚类预测锚点框，锚点框的大小匹配不同检测物体的大小，从而避免多个物体位于一个矩形块时只检测到一个物体的情况，一般每个矩形块取五个以上的锚点框；将分割后的每个矩形块送入一个多层卷积神经网络中，使用卷积神经网络对图像进行特征提起，并取最后一层的特征输入softmax函数，初步判断每个矩形块是否包含电动自行车或者摩托车的车牌特征；若矩形块中包含电动自行车或者摩托车的车牌特征，则生成对应的包围框，并分别给出其是电动自行车和摩托车的概率值，选定较大的概率值作为输出结果。每个图像分块中提取的包围框可能有多个，采用非极大值抑制算法搜索局部最大值，从而过滤掉非极大值的包围框，使得最终的每个图像分块只保留一个包围框；若整个图像检测到摩托车的车牌，则输出报警信息。本专利技术的有益效果：（1）采用深度学习方法对标记后的电动自行车和摩托车的车牌进行特征提取，选取最后一层作为特征提取的结果，并在后面接一个softmax函数来判定是电动自行车还是摩托车，选取概率较大的值作为输出的结果，得到训练模型；本专利技术采用深度学习的方式提取物体的深度特征，并且提取出来的特征具有很强的鲁棒性，能够克服各种环境的干扰，从而大幅提高识别的准确率，极大程度的较少了通过人力进行监督的投入，而且相对传统识别方法精度得到很大的提高。（2）本专利技术采用深度学习的方法，自动提取最适合检测当前物体的特征，不用人工干预；本专利技术的鲁棒性很强，环境复杂时检测率依然比使用传统方法要高；本专利技术采用端对端的方式，直接检测是否戴帽子或口罩；本专利技术采用深度学习的方法检测率和识别率比传统方法要高很多；本专利技术具有更强的通用型，通过迁移学习即可适用别的物体的检测。（3）本专利技术通过视频实时采集道路上车辆运行视频，并将视频转化为图像，将图像输入训练模型中，从而实现快速判别摩托车，提高了道路监管的效率和能力；本专利技术采用深度学习的方式提取摩托车的特征模型，具有较好的鲁棒性，提高辨别摩托车的分辨率，具有较好的实用性。附图说明图1为本专利技术的流程图。具体实施方式实施例1：一种通过视频区分电动自行车和摩托车的方法，主要用于区别电动自行车和摩托车的车牌，主要包括以下步骤：步骤A1：通过摄像头本文档来自技高网...

【技术保护点】
一种通过视频区分电动自行车和摩托车的方法，主要用于区别电动自行车和摩托车的车牌，其特征在于，主要包括以下步骤：步骤A1：通过摄像头采集道路上电动自行车和摩托车实时视频，并生成图像；步骤A2：采用深度学习方法对标记后的电动自行车和摩托车的车牌进行特征提取，选取最后一层作为特征提取的结果，并在后面接一个softmax函数来判定是电动自行车还是摩托车，选取概率较大的值作为输出的结果，得到训练模型；步骤A3：将步骤A1中生成的图像输入到训练模型中，若检测到是摩托车的车牌，则输出报警信息。

【技术特征摘要】
1.一种通过视频区分电动自行车和摩托车的方法，主要用于区别电动自行车和摩托车的车牌，其特征在于，主要包括以下步骤：步骤A1：通过摄像头采集道路上电动自行车和摩托车实时视频，并生成图像；步骤A2：采用深度学习方法对标记后的电动自行车和摩托车的车牌进行特征提取，选取最后一层作为特征提取的结果，并在后面接一个softmax函数来判定是电动自行车还是摩托车，选取概率较大的值作为输出的结果，得到训练模型；步骤A3：将步骤A1中生成的图像输入到训练模型中，若检测到是摩托车的车牌，则输出报警信息。2.根据权利要求1所述的一种通过视频区分电动自行车和摩托车的方法，其特征在于，所述步骤A2主要包括以下步骤：步骤A21：通过摄像头采集电动自行车和摩托车的视频，并转化为图像，按照电动自行车和摩托车的分类标记每个图像的类型；步骤A22：将图像分为分成13×13的矩形块，并对个矩形块采用聚类预测锚点框，锚点框的大小匹配不同检测物体的大小，从而避免多个物体位于一个矩形块时只检测到一个物体的情况；步骤A23：将分割后的每个矩形块送入一个多层卷积神经网络中，采用卷积神经网络提取图像特征，取出最后一层的特征，并输入softmax函数中，选取概率较大的值作为输出的结...

【专利技术属性】
技术研发人员：任帅，
申请(专利权)人：成都睿码科技有限责任公司，杭州数峰科技有限公司，
类型：发明
国别省市：四川,51