一种基于深度神经网络的车辆特征提取方法技术

本发明专利技术涉及一种基于深度神经网络的车辆特征提取方法，本发明专利技术根据卡口采集到的图片特性，不直接采用RPN算法进行目标物体边缘框的推荐，而是将图片切分成均匀网格，并利用车道检测算法对每个摄像头进行网格修正。接着，在网格化基础上进行车辆定位，从而使需要递归计算的边缘框的数量大幅减少，加快了对图片的分析速度。本发明专利技术方法所使用的网络能够在检测车辆位置的同时归纳提取车辆特征，并将车辆特征存储起来。本发明专利技术方法提取的特征可以用于基于车辆的图片的各种应用，如车辆检索，车型识别等。

A Vehicle Feature Extraction Method Based on Deep Neural Network

【技术实现步骤摘要】
一种基于深度神经网络的车辆特征提取方法
本专利技术涉及智慧交通领域，尤其涉及一种基于深度神经网络的车辆特征提取方法。
技术介绍
交通违法是构成交通安全隐患的一个重要方面，特别是伪造车牌、失驾行为(吊销驾照者依然驾车出行)等行为。传统的城市交通管理往往根据市民举报来获取情报，工作被动且难以有效治理，因此需要更智能的交通监控系统。目前我国已在城市道路上部署了大规模数量的电子警察和卡口系统。这些系统能够实时捕获车辆高清图片，并且识别分析出车牌号码，以及一部分车型信息(如车辆大小，颜色等)。但这系统也并非完美，车牌号码识别也有10％左右的误识别、漏识别率。由于车牌识别精度的限制，存在大量未识别和识别错误的记录，特别对于套牌车或故意遮掩拍照的违法车将无法进行识别，致使理论上可行的大量算法缺乏实战价值。本专利技术拟运用基于人工智能的车辆特征提取算法，提取“车辆指纹特征”。通过车辆本身的特征作为一个新的车辆识别条件，用以辅助卡口系统，将能够弥补当前卡口系统的不足，提高卡口系统识别车辆精确度。传统车辆特征提取方法，首先要检测出运动目标，例如使用背景差分法等方法，再将包含运动目标的区域图片像素转化为人本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的车辆特征提取方法，其特征在于，包括如下步骤：(1)对获取得到的卡口图片统一压缩到相同尺寸大小，并进行车辆边缘框位置的标注；(2)基于车道检测算法进行自动网格化；(3)设计深度神经网络，并训练得到车辆定位神经网络；(4)利用车辆定位神经网络对卡口图片提取车辆特征，实现车辆特征的快速提取。

【技术特征摘要】
1.一种基于深度神经网络的车辆特征提取方法，其特征在于，包括如下步骤：(1)对获取得到的卡口图片统一压缩到相同尺寸大小，并进行车辆边缘框位置的标注；(2)基于车道检测算法进行自动网格化；(3)设计深度神经网络，并训练得到车辆定位神经网络；(4)利用车辆定位神经网络对卡口图片提取车辆特征，实现车辆特征的快速提取。2.根据权利要求1所述的一种基于深度神经网络的车辆特征提取方法，其特征在于：所述的自动网格化具体包括：将图像切分成均匀网格，并基于车道检测算法对卡口摄像头进行网格修正；其中，所述的网格修正包括对冗余网格和错位网格进行修正，剔除冗余网格，平移错位网格。3.根据权利要求1所述的一种基于深度神经网络的车辆特征提取方法，其特征在于：所述的的车道检测算法采用基于Kitti分割数据库训练的全卷积模型，模型参数直接迁移Kitti分割训练所得的预训练参数；其中，在Kitti数据库的基础上加入卡口摄像头采集的图像，对FCN模型进行Fine-tune，用于保证精度。4.根据权利要求1所述的一种基于深度神经网络的车辆特征提取方法，其特征在于：所述的深度神经网络结构包括：2个普通卷积层，2个多层感知卷积层，3个最大值池化层，1个全局平均池化层，1个全连接层；利用多层感知卷积层代替一般常用的线性卷积层，使其对图片拥有更强的抽象能力。5.根据权利要求1所述的一种基于深度神经网络的车辆特征提取方法，其特征在于：所述训练车辆定位神经网络的方法如下：(i)对图片作预处理，包括将图片压缩到统一尺寸，并进行白平衡计算，提高过暗图像亮度，并去除过亮区域；(ii)将预处理后的图片作为深度神经网络的输入，进行自动网格化；若某个车辆的中心落在一个网格中，则这个网格就负...

【专利技术属性】
技术研发人员：丁锴，李建元，武敏，
申请(专利权)人：上海银江智慧智能化技术有限公司，
类型：发明
国别省市：上海,31