包含特定背景图像的车辆目标图像数据库建立方法技术

本发明专利技术包含特定背景图像的车辆目标图像数据库建立方法的技术方案，涉及道路车辆的交通控制系统，先采集制作特定背景图像，后制作只包含单一车辆图像的车辆目标图像，再将只包含单一车辆的车辆目标图像嵌入到特定背景图像中形成包含特定背景图像的车辆目标图像，重复上述步骤，制备出满足深度学习神经网络对图像数据库的需求并使用深度学习神经网络进行验证的包含特定背景图像的车辆目标图像数据库，克服了现有技术中，存在于不同光照及天气条件下多个时段内进行摄录视频及拍照图像采集车辆目标图像样本，再经过裁剪和左右镜像化变换所制备的车辆目标图像数据库，不能适应不同背景和车辆车型的不断增加和更新，制作费用高且时间长的缺陷。

Establishment of Vehicle Target Image Database Containing Specific Background Images

【技术实现步骤摘要】
包含特定背景图像的车辆目标图像数据库建立方法
本专利技术的技术方案涉及道路车辆的交通控制系统，具体地说是包含特定背景图像的车辆目标图像数据库建立方法。
技术介绍
识别车辆目标是智能驾驶的重要方向，也是智能交通控制系统中的核心技术。由于深度学习神经网络近年来在计算机视觉领域取得了重大进展，基于数据获取、预处理、特征提取、分类等浅层神经网络识别车辆目标逐渐被高识别率的深度学习神经网络识别车辆目标所取代。深度学习神经网络识别车辆目标的关键是要优化网络设计结构，但是这必须有大量车辆目标图像数据库，才能满足训练深度学习神经网络的需求。为了建立大量车辆目标图像数据库以满足训练深度学习神经网络的需求，在道路车辆的交通控制系统的现有技术中，经常采用已经制备公开的车辆目标数据库及视频现场采集视频的方法。例如，论文(计算机与数字工程，2019，46(9)，1871-1875+1915)利用微软COCO公共数据库；论文(IETIntelligentTransportSystems，2018，12(3)：186–193；计算机工程与应用，2018，54(18)：154-160)使用CompCars数据库；论文(IEEETransactionsonImageProcessing，2018，27(1)：432–441)采用KITTI和PASCALVOC2007数据库；论文(IEEETransactionsonIntelligentTransportationSystems，2019，20(2)：749–759；计算机与现代化，2017(8)，264：56-600)作者的研究小组采用各自电子摄录拍照的方法，获得车辆目标图像数据库；CN106846813A公开了构建城市道路车辆图像数据库的方法，是采用实际采集含视频转换成图像的策略；CN109446973A公开了一种基于深度神经网络图像识别的车辆定位方法，是在不同光照及天气条件下多个时段内采集车辆目标图像样本；CN107633220A公开了一种基于卷积神经网络的车辆前方目标识别方法，需要获取大量车辆交通相关图像作为样本，对收集的图像进行左右镜像化变换，扩充数据集并制作标签。上述现有技术，使用现有的数据库以及电子摄录车辆目标，并对原采集的视频或者图像进行裁剪，为深度学习神经网络提供真实可靠的车辆目标图像数据库，可以训练深度学习神经网络，但是存在下面缺陷：①真实采集车辆目标图像及视频限制了数据库的种类和数量，必须增加摄录时间或者拍照次数，才能提高数据库的容量；②摄录或者拍照的方法不可能包含所有任意场景中的车辆目标图像，形成的车辆目标图像数据库只能代表部分背景下车辆目标图像，在特定区域和季节拍摄车辆目标图像，不能适应于其它区域及季节背景下的车辆目标图像；③按照增加视频时间提高车辆目标数据库的容量，其人力和物力的耗费量会随着摄录时间而增加。归纳起来，在道路车辆的交通控制系统的现有技术中，存在于不同光照及天气条件下多个时段内进行摄录视频及拍照图像采集的车辆目标图像样本，再经过裁剪和左右镜像化变换所制备的车辆目标图像数据库不能适应不同背景和车辆车型的不断增加和更新，而增加车辆目标图像数据库数量的费用高且时间长的缺陷。
技术实现思路
本专利技术所要解决的技术问题是：提供包含特定背景图像的车辆目标图像数据库建立方法，先采集制作特定背景图像，后制作只包含单一车辆图像的车辆目标图像，再将只包含单一车辆的车辆目标图像嵌入到特定背景图像中形成包含特定背景图像的车辆目标图像，重复上述步骤，制备出满足深度学习神经网络对图像数据库的需求并使用深度学习神经网络进行验证的包含特定背景图像的车辆目标图像数据库，有效地克服了在道路车辆的交通控制系统的现有技术中，存在于不同光照及天气条件下多个时段内进行摄录视频及拍照图像采集车辆目标图像样本，再经过裁剪和左右镜像化变换所制备的车辆目标图像数据库不能适应不同背景和车辆车型的不断增加和更新，而增加车辆目标图像数据库数量的费用高且时间长的缺陷。本专利技术解决该技术问题所采用的技术方案是：包含特定背景图像的车辆目标图像数据库建立方法，所制备的包含特定背景图像的车辆目标图像数据库要使用深度学习神经网络进行验证，具体步骤如下：第一步，采集制作特定背景图像：通过拍照或网络下载方法，采集制作特定背景图像，所采集制作特定背景图像要求如下：(1.1)特定背景图像中所包含的图像内容：特定背景图像中所包含的图像内容为，车道图像加树木图像、建筑物图像、山脉图像和路标图像中的1～4种；(1.2)特定背景图像的像素点大小：特定背景图像像素点大小为N像素×M像素，即纵向为N像素，横向为M像素，特定背景图像像素点≥被背景图像所包含的待制备的车辆目标图像像素点；(1.3)计算特定背景图像下底边单位像素表示的实际宽度：设定标准车道的宽度为L米，根据特定背景图像下底边中车道所占有I像素，用如下公式(1)计算出特定背景图像的下底边单位像素表示的实际宽度R，上述公式(1)中，R的单位为米/像素；第二步，制作只包含单一车辆图像的车辆目标图像：通过拍照或网络下载方法，采集并制作只包含单一车辆图像的车辆目标图像，该只包含单一车辆图像的车辆目标图像的要求如下：(2.1)采集单一目标车辆的正面图像；(2.2)按照所采集制作车辆目标图像的车辆的大小及形状，分成不同车型；(2.3)当拍照或网络下载的车辆目标图像中包含相应的原始背景图像时，通过图像处理软件将该原始背景图像删除，这样在采集和变换的车辆目标图像中只包含单一目标车辆图像，该车辆目标图像中的车辆宽度为J像素，采集车辆目标图像中的车辆宽度像素J要大于0.9倍的特定背景图像下底边中车道所占有I像素；(2.4)计算车辆宽度对应像素点：根据上述(2.2)步中所述的不同车型，测定其宽度为W米，用如下公式(2)计算相应该车型横向对应上述第一步采集制作的特定背景图像的像素D，公式(2)中，fix()表示取整；第三步，将只包含单一车辆图像的车辆目标图像嵌入特定背景图像中：将上述第二步制作的只包含单一车辆图像的车辆目标图像嵌入上述第一步采集制作的特定背景图像中，具体操作方法如下：(3.1)调整车辆目标图像的大小：用如下公式(3)分别计算上述第二步制作的只包含单一车辆图像的车辆目标图像横向和纵向的调整系数E，依据调整系数E的数值来调整车辆目标图像的大小，调整大小后的车辆目标图像用于下一步的车辆目标图像嵌入特定背景图像中；(3.2)将只包含单一车辆图像的车辆目标图像嵌入采集制作的特定背景图像中：在上述第一步采集制作的特定背景图像中显示的车道图像中心位置附近，嵌入上述(3.1)步已经调整大小的车辆目标图像，该车辆目标图像放置在上述第一步采集制作的特定背景图像下底边以上的位置，该车辆目标图像前轮着地，轮胎占据在上述第一步采集制作的特定背景图像中的车道位置，该车辆目标图像是不透明的；(3.3)依据上述第一步采集制作的特定背景图像中车道的大小确定该特定背景图像宽度像素表示的实际宽度，结合目标车辆宽度确定该车辆目标图像占据特定背景图像中横向像素的数量；(3.4)调整只包含单一车辆图像的车辆目标图像像素点的数量，要保持该车辆目标图像的横向与纵向同样比例变化，只改变该车辆目标图像的大小，车辆形状保持不变；由此制本文档来自技高网...

【技术保护点】
1.包含特定背景图像的车辆目标图像数据库建立方法，其特征在于：所制备的包含特定背景图像的车辆目标图像数据库要使用深度学习神经网络进行验证，具体步骤如下：第一步，采集制作特定背景图像：通过拍照或网络下载方法，采集制作特定背景图像，所采集制作特定背景图像要求如下：(1.1)特定背景图像中所包含的图像内容：特定背景图像中所包含的图像内容为，车道图像加树木图像、建筑物图像、山脉图像和路标图像中的1～4种；(1.2)特定背景图像的像素点大小：特定背景图像像素点大小为N像素×M像素，即纵向为N像素，横向为M像素，特定背景图像像素点≥被背景图像所包含的待制备的车辆目标图像像素点；(1.3)计算特定背景图像下底边单位像素表示的实际宽度：设定标准车道的宽度为L米，根据特定背景图像下底边中车道所占有I像素，用如下公式(1)计算出特定背景图像的下底边用单位像素表示的实际宽度R，

【技术特征摘要】
1.包含特定背景图像的车辆目标图像数据库建立方法，其特征在于：所制备的包含特定背景图像的车辆目标图像数据库要使用深度学习神经网络进行验证，具体步骤如下：第一步，采集制作特定背景图像：通过拍照或网络下载方法，采集制作特定背景图像，所采集制作特定背景图像要求如下：(1.1)特定背景图像中所包含的图像内容：特定背景图像中所包含的图像内容为，车道图像加树木图像、建筑物图像、山脉图像和路标图像中的1～4种；(1.2)特定背景图像的像素点大小：特定背景图像像素点大小为N像素×M像素，即纵向为N像素，横向为M像素，特定背景图像像素点≥被背景图像所包含的待制备的车辆目标图像像素点；(1.3)计算特定背景图像下底边单位像素表示的实际宽度：设定标准车道的宽度为L米，根据特定背景图像下底边中车道所占有I像素，用如下公式(1)计算出特定背景图像的下底边用单位像素表示的实际宽度R，上述公式(1)中，R的单位为米/像素；第二步，制作只包含单一车辆图像的车辆目标图像：通过拍照或网络下载方法，采集并制作只包含单一车辆图像的车辆目标图像，该只包含单一车辆图像的车辆目标图像的要求如下：(2.1)采集单一目标车辆的正面图像；(2.2)按照所采集制作车辆目标图像的车辆的大小及形状，分成不同车型；(2.3)当拍照或网络下载的车辆目标图像中包含相应的原始背景图像时，通过图像处理软件将该原始背景图像删除，这样在采集和变换的车辆目标图像中只包含单一目标车辆图像，该车辆目标图像中的车辆宽度为J像素，采集车辆目标图像中的车辆宽度像素J要大于0.9倍的特定背景图像下底边中车道所占有I像素；(2.4)计算车辆宽度对应像素点：根据上述(2.2)步中所述的不同车型，测定其宽度为W米，用如下公式(2)计算相应该车型横向对应上述第一步采集制作的特定背景图像的像素D，公式(2)中，fix()表示取整；第三步，将只包含单一车辆图像的车辆目标图像嵌入特定背景图像中：将上述第二步制作的只包含单一车辆图像的车辆目标图像嵌入上述第一步采集制作的特定背景图像中，具体操作方法如下：(3.1)调整车辆目标图像的大小：用如下公式(3)分别计算上述第二步制作的只包含单一车辆图像的车辆目标图像横向和纵向的调整系数E，依据调整系数E的数值来调整车辆目标图像...

【专利技术属性】
技术研发人员：赵红东，赵泽通，李宇海，韩力英，刘东升，田红丽，孙梅，
申请(专利权)人：河北工业大学，中国电子科技集团公司第五十三研究所，
类型：发明
国别省市：天津,12