The invention provides a vehicle key point alignment method based on deep learning, which uses the strong feature extraction ability of deep convolution network to regress feature points in vehicle window, lamp, license plate and other areas. Vehicle alignment matrix is obtained by geometric matrix operation of vehicle key points, which aligns vehicle alignment to the same angle and direction, and achieves vehicle alignment effect. The vehicle key point alignment method described in this scheme is feasible and real-time. The extracted key points can effectively represent the overall situation and details of the vehicle. The aligned vehicle image is conducive to the improvement of the recognition rate of the subsequent classification and recognition algorithm.
【技术实现步骤摘要】
一种基于深度学习的车辆关键点对齐方法
本专利技术属于计算机视觉处理
，具体涉及一种基于深度学习的车辆关键点对齐方法。
技术介绍
随着人工智能和计算机视觉技术的发展，车辆识别技术已经广泛运用于许多图侦和公安系统中，如卡口系统、电子警察系统、智能交通和自动驾驶等领域中。但由于室外复杂环境光照和车辆多角度多方向行驶的现实情况影响，车辆识别技术容易产生误识别的情况，亟待解决的是提高车辆识别的准确率。因此，对车辆图片进行预处理和校正，提供较好的车辆图片用于算法识别，是一条提高识别率的可行之路。关于车辆特征点对齐的方法目前仅有一篇专利(《基于梯度回归树的车辆关键点检测方法及装置》)，主要采用了传统机器学习算法。获取待检测图片各关键点的初始位置，并将关键点的初始位置输入到经过训练的分类器中检测得到各关键点的最终位置。采用级联的方式进行关键点提取，但由于特征为手工设计，难以对各类复杂的监控场景有较好的鲁棒性。由于受到现实复杂环境下光照条件、背景物遮挡、相机成像质量、运动模糊等方面的综合影响，安防监控场景下的道路车辆视频或图像存在角度较大、背光、逆光、车身不全、图像模糊等影响...
【技术保护点】
1.一种基于深度学习的车辆关键点对齐方法，其特征在于，所述的方法包括以下步骤：(1)利用CNN卷积神经网络对车辆的车窗、车灯及车牌区域进行车辆关键点提取和输出；(2)将车辆关键点通过几何矩阵运算得到车辆关键点对齐矩阵；(3)基于该对齐矩阵将车辆校正对齐至同一角度和方向。
【技术特征摘要】
1.一种基于深度学习的车辆关键点对齐方法，其特征在于，所述的方法包括以下步骤：(1)利用CNN卷积神经网络对车辆的车窗、车灯及车牌区域进行车辆关键点提取和输出；(2)将车辆关键点通过几何矩阵运算得到车辆关键点对齐矩阵；(3)基于该对齐矩阵将车辆校正对齐至同一角度和方向。2.根据权利要求1所述的方法，其特征在于，在所述的车辆关键点提取步骤之前，收集卡口与道路监控的车辆图片作为训练集，进行训练集图片标注和训练集数据增强。3.根据权利要求2所述的方法，其特征在于，所述的训练集图片标注的区域包括：车窗外轮廓、车辆大灯、车辆下边缘、车辆下轮廓中点和车牌，总共对车辆进行了19个关键点的标注。4.根据权利要求2所述的方法，其特征在于，所述的训练集数据增强包括对所述训练集中的车辆图片进行一种或多种方式的图像变换。5.根据权利要求4所述的方法，其特征在于，所述的图像变换包括：加噪、随机擦除、旋转、亮度变化或仿射变...
【专利技术属性】
技术研发人员：毛亮，薛昆南，朱婷婷，黄仝宇，汪刚，宋一兵，侯玉清，刘双广，
申请(专利权)人：高新兴科技集团股份有限公司，
类型：发明
国别省市：广东,44
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。