一种基于卷积神经网络的车辆检测方法、装置及系统制造方法及图纸

本发明专利技术提供了一种基于卷积神经网络的车辆检测方法、装置及系统，方法包括：通过全卷积神经网络从待检测图像中分割至少一个车辆图像，并标记各个车辆图像的位置信息；提取车辆图像；检测车辆图像的像素点个数，将像素点个数小于第一设定数值的车辆图像确定为小目标车辆图像；将小目标车辆图像放大第一设定倍数形成放大目标车辆图像；通过子卷积神经网络对放大目标车辆图像进行识别以分割第一精准车辆图像；将第一精准车辆图像缩小第一设定倍数形成目标车辆图像；根据各个车辆图像的位置信息，利用各个目标车辆图像、未被确定为小目标车辆图像的车辆图像与待检测图像集成检测图像。通过本发明专利技术的技术方案，可提高形成的检测图像的检测精度。

【技术实现步骤摘要】
一种基于卷积神经网络的车辆检测方法、装置及系统
本专利技术涉及计算机
，特别涉及一种基于卷积神经网络的车辆检测方法、装置及系统。
技术介绍
随着车载自动驾驶中，经常需要实时采集道路的实时图像，对采集的实时图像进行识别以对图像中的车辆图像进行分割并标记以形成检测图像，从而实现对图像中的车辆进行检测。目前，主要通过全卷积神经网络对图像中的车辆进行检测。距离图像采集设备的距离相对较远的远距离车辆对应在实时图像中的车辆图像通常相对较小，通过卷积神经网络对图像中的车辆进行检测时，卷积神经网络不易对相对较小的车辆图像进行分割并标记，形成的检测图像的检测精度偏低。
技术实现思路
本专利技术实施例提供了一种基于卷积神经网络的车辆检测方法、装置及系统，可提高形成的检测图像的检测精度。第一方面，本专利技术提供了一种基于卷积神经网络的车辆检测方法，包括：将待检测图像输入全卷积神经网络，使得所述全卷积神经网络对所述待检测图像进行识别，以从所述待检测图像中分割出至少一个车辆图像，并标记各个所述车辆图像在所述待检测图像中的位置信息；提取所述全卷积神经网络所分割的各个所述车辆图像；检测提取的各个所述车辆图像所分别对应的像素点个数，并将对应像素点个数小于第一设定数值的各个所述车辆图像确定为小目标车辆图像；针对于每一个所述小目标车辆图像，将所述小目标车辆图像放大第一设定倍数以形成放大目标车辆图像；针对于每一个所述放大目标车辆图像，根据所述放大目标车辆图像的尺寸将所述放大目标车辆图像输入对应的子卷积神经网络，使得所述子卷积神经网络对所述放大目标车辆图像进行识别，以从所述放大目标车辆图像中分割出第一精准车辆图像；将各个所述第一精准车辆图像缩小第一设定倍数以形成目标车辆图像；根据各个所述车辆图像在所述待检测图像中的位置信息，利用各个所述目标车辆图像、未被确定为小目标车辆图像的各个所述车辆图像与所述待检测图像集成检测图像。优选地，还包括：将对应像素点个数大于第二设定数值的各个所述车辆图像确定为大目标车辆图像；针对于每一个所述大目标车辆图像，将所述大目标车辆图像缩小第二设定倍数以形成缩小目标车辆图像；针对于每一个所述缩小目标车辆图像，根据所述大目标车辆图像的尺寸将所述缩小目标车辆图像输入对应的子卷积神经网络，使得所述子卷积神经网络对所述缩小目标车辆图像进行识别，以从所述缩小目标车辆图像中分割出第二精准车辆图像；将各个所述第二精准车辆图像放大第二设定倍数以形成目标车辆图像。优选地，所述提取所述全卷积神经网络所分割的各个所述车辆图像，包括：针对于所述全卷积神经网络所分割的每一个所述车辆图像，执行：生成所述待检测图像所对应的灰度图像；将所述车辆图像对应在所述灰度图像中的各个当前像素点的灰度值标记为255，并将所述灰度图像中除各个所述当前像素点以外的每一个像素点的灰度值均标记为0，以形成二值化车辆图像；则，所述检测提取的各个所述车辆图像所分别对应的像素点个数，并将对应像素点个数小于第一设定数值的各个所述车辆图像确定为小目标车辆图像，包括：检测各个所述二值化车辆图像所分别对应的像素点个数，并将对应像素点个数小于第一设定数值的各个所述二值化车辆图像确定为小目标车辆图像。优选地，所述第一设定倍数的取值范围，包括：大于1且小于4；和/或，所述第二设定倍数的取值范围，包括：大于1且小于4。第二方面，本专利技术实施例提供了一种基于卷积神经网络的车辆检测装置，包括：第一交互模块，用于将待检测图像输入全卷积神经网络，使得所述全卷积神经网络对所述待检测图像进行识别，以从所述待检测图像中分割出至少一个车辆图像，并标记各个所述车辆图像在所述待检测图像中的位置信息；图像提取模块，用于提取所述全卷积神经网络所分割的各个所述车辆图像；检测处理模块，用于检测提取的各个所述车辆图像所分别对应的像素点个数，并将对应像素点个数小于第一设定数值的各个所述车辆图像确定为小目标车辆图像；缩放处理模块，用于针对于每一个所述小目标车辆图像，将所述小目标车辆图像放大第一设定倍数以形成放大目标车辆图像；将各个所述第一精准车辆图像缩小第一设定倍数以形成目标车辆图像；第二交互模块，用于针对于每一个所述放大目标车辆图像，根据所述放大目标车辆图像的尺寸将所述放大目标车辆图像输入对应的子卷积神经网络，使得所述子卷积神经网络对所述放大目标车辆图像进行识别，以从所述放大目标车辆图像中分割出第一精准车辆图像；集成处理模块，用于根据各个所述车辆图像在所述待检测图像中的位置信息，利用各个所述目标车辆图像、未被确定为小目标车辆图像的各个所述车辆图像与所述待检测图像集成检测图像。优选地，所述检测处理模块，进一步用于将对应像素点个数大于第二设定数值的各个所述车辆图像确定为大目标车辆图像；所述缩放处理模块，进一步用于针对于每一个所述大目标车辆图像，将所述大目标车辆图像缩小第二设定倍数以形成缩小目标车辆图像；将各个第二精准车辆图像放大第二设定倍数以形成目标车辆图像；所述第二交互模块，进一步用于针对于每一个所述缩小目标车辆图像，根据所述大目标车辆图像的尺寸将所述缩小目标车辆图像输入对应的子卷积神经网络，使得所述子卷积神经网络对所述缩小目标车辆图像进行识别，以从所述缩小目标车辆图像中分割出第二精准车辆图像。优选地，所述图像提取模块，用于针对于所述全卷积神经网络所分割的每一个所述车辆图像，执行：生成所述待检测图像所对应的灰度图像；将所述车辆图像对应在所述灰度图像中的各个当前像素点的灰度值标记为255，并将所述灰度图像中除各个所述当前像素点以外的每一个像素点的灰度值均标记为0，以形成二值化车辆图像；则，所述检测处理模块，用于检测各个所述二值化车辆图像所分别对应的像素点个数，并将对应像素点个数小于第一设定数值的各个所述二值化车辆图像确定为小目标车辆图像。优选地，所述第一设定倍数的取值范围，包括：大于1且小于4；和/或，所述第二设定倍数的取值范围，包括：大于1且小于4。。第三方面，本专利技术实施例提供了一种基于卷积神经网络的车辆检测系统，包括：全卷积神经网络、至少一个子卷积神经网络，以及如上述第二方面中任一所述的基于卷积神经网络的车辆检测装置；其中，所述全卷积神经网络与所述基于卷积神经网络的车辆检测装置相连，每一个所述子卷积神经网络均与所述基于卷积神经网络的车辆检测装置相连，且每一个所述子卷积神经网络分别对应有一个图像尺寸范围。本专利技术实施例提供了一种基于卷积神经网络的车辆检测方法、装置及系统，该方法中，通过全卷积神经网络对输入的待检测图像进行识别，以从待检测图像中分割出至少一个车辆图像，并标记各个车辆图像在待检测图像中的位置信息，然后提取卷积神经网络分割的各个车辆图像，当一个车辆图像所对应的像素点的个数小于第一设定数值时，则说明该车辆图像相对较小，全卷积神经网络未能在待检测图像中对该车辆图像进行准确分割，即该车辆图像所对应的分割精度较低；后续的，则可从提取的各个车辆图像中确定出未能被全卷积神经网络准确分割的各个小目标车辆图像，然后将各个小目标车辆图像放大第一设定倍数以形成对应的放大目标车辆图像，此时，放大目标车辆图像具有相对较大的尺寸，可根据各个放大目标车辆图像的尺寸，分别通过相应的子卷积神经网络对各个放大目标车辆图像再次进行识别，各个子卷积神经本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的车辆检测方法，其特征在于，包括：将待检测图像输入全卷积神经网络，使得所述全卷积神经网络对所述待检测图像进行识别，以从所述待检测图像中分割出至少一个车辆图像，并标记各个所述车辆图像在所述待检测图像中的位置信息；提取所述全卷积神经网络所分割的各个所述车辆图像；检测提取的各个所述车辆图像所分别对应的像素点个数，并将对应像素点个数小于第一设定数值的各个所述车辆图像确定为小目标车辆图像；针对于每一个所述小目标车辆图像，将所述小目标车辆图像放大第一设定倍数以形成放大目标车辆图像；针对于每一个所述放大目标车辆图像，根据所述放大目标车辆图像的尺寸将所述放大目标车辆图像输入对应的子卷积神经网络，使得所述子卷积神经网络对所述放大目标车辆图像进行识别，以从所述放大目标车辆图像中分割出第一精准车辆图像；将各个所述第一精准车辆图像缩小第一设定倍数以形成目标车辆图像；根据各个所述车辆图像在所述待检测图像中的位置信息，利用各个所述目标车辆图像、未被确定为小目标车辆图像的各个所述车辆图像与所述待检测图像集成检测图像。

【技术特征摘要】
1.一种基于卷积神经网络的车辆检测方法，其特征在于，包括：将待检测图像输入全卷积神经网络，使得所述全卷积神经网络对所述待检测图像进行识别，以从所述待检测图像中分割出至少一个车辆图像，并标记各个所述车辆图像在所述待检测图像中的位置信息；提取所述全卷积神经网络所分割的各个所述车辆图像；检测提取的各个所述车辆图像所分别对应的像素点个数，并将对应像素点个数小于第一设定数值的各个所述车辆图像确定为小目标车辆图像；针对于每一个所述小目标车辆图像，将所述小目标车辆图像放大第一设定倍数以形成放大目标车辆图像；针对于每一个所述放大目标车辆图像，根据所述放大目标车辆图像的尺寸将所述放大目标车辆图像输入对应的子卷积神经网络，使得所述子卷积神经网络对所述放大目标车辆图像进行识别，以从所述放大目标车辆图像中分割出第一精准车辆图像；将各个所述第一精准车辆图像缩小第一设定倍数以形成目标车辆图像；根据各个所述车辆图像在所述待检测图像中的位置信息，利用各个所述目标车辆图像、未被确定为小目标车辆图像的各个所述车辆图像与所述待检测图像集成检测图像。2.根据权利要求1所述的方法，其特征在于，还包括：将对应像素点个数大于第二设定数值的各个所述车辆图像确定为大目标车辆图像；针对于每一个所述大目标车辆图像，将所述大目标车辆图像缩小第二设定倍数以形成缩小目标车辆图像；针对于每一个所述缩小目标车辆图像，根据所述大目标车辆图像的尺寸将所述缩小目标车辆图像输入对应的子卷积神经网络，使得所述子卷积神经网络对所述缩小目标车辆图像进行识别，以从所述缩小目标车辆图像中分割出第二精准车辆图像；将各个所述第二精准车辆图像放大第二设定倍数以形成目标车辆图像。3.根据权利要求1所述的方法，其特征在于，所述提取所述全卷积神经网络所分割的各个所述车辆图像，包括：针对于所述全卷积神经网络所分割的每一个所述车辆图像，执行：生成所述待检测图像所对应的灰度图像；将所述车辆图像对应在所述灰度图像中的各个当前像素点的灰度值标记为255，并将所述灰度图像中除各个所述当前像素点以外的每一个像素点的灰度值均标记为0，以形成二值化车辆图像；则，所述检测提取的各个所述车辆图像所分别对应的像素点个数，并将对应像素点个数小于第一设定数值的各个所述车辆图像确定为小目标车辆图像，包括：检测各个所述二值化车辆图像所分别对应的像素点个数，并将对应像素点个数小于第一设定数值的各个所述二值化车辆图像确定为小目标车辆图像。4.根据权利要求1至3中任一所述的方法，其特征在于，所述第一设定倍数的取值范围，包括：大于1且小于4；和/或，所述第二设定倍数的取值范围，包括：大于1且小于4。5.一种基于卷积神经网络的车辆检测装置，其特征在于，包括：第一交互模块，用于将待检测图像输入全卷积神经网络，使得所述全卷积神经网络对所述待检测图像进行识别，以从所...

【专利技术属性】
技术研发人员：袭肖明，于治楼，吴永健，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东,37