车辆长度计算方法、装置、系统、计算机设备及存储介质制造方法及图纸

本发明专利技术提供一种车辆长度计算方法，包括：构建图片数据集；对数据集中的图片进行标注，构建出标注数据集；建立YOLO模型，根据标注数据集的格式更改模型参数，利用模型对训练集及其标注数据集进行训练获得初始权重文件；构建车长信息表；调用初始权重文件，利用模型对测试集及其标注数据集进行测试，根据结果的准确率调整参数，保存测试权重文件；利用模型对待测照片进行识别，将识别结果与车长信息表进行匹配，获取车辆的长度信息。本发明专利技术还提供了车辆长度计算装置、系统、计算机设备及存储介质。本发明专利技术实现了对车辆长度的计算，应用于智能交通领域，可推动智能驾驶的发展，也可以用于车辆的归类，为交通、物流分析提供了基础数据。

Vehicle length calculation method, device, system, computer equipment and storage medium

【技术实现步骤摘要】
车辆长度计算方法、装置、系统、计算机设备及存储介质
本专利技术涉及智能交通领域，特别是涉及一种车辆长度计算方法、装置、系统、计算机设备及存储介质。
技术介绍
目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割，它将目标图像的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中，需要对多个目标进行实时处理时，目标自动提取和识别就显得特别重要。随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪的研究越来越热门，对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。现有技术中，目标检测常用R-CNN(CNN：ConvolutionalNeuralNetworks，即卷积神经网络，R-CNN即RegionswithCNNfeatures，将大型卷积神经网络(CNNs)应用于自下而上的候选区域以定位和分割物体的方法)网络模型及YOLO(YouOnlyLookOnce:Unified,Real-TimeObjectDetection，一种目标检测算法)网络模型，但是这两种模型只能用于对图片中的物体进行分类，应用于智能交通领域，无法对车辆长度进行很好的分类，无法满足智能化交通系统的发展要求。
技术实现思路
本专利技术旨在提供一种车辆长度计算方法、装置、系统、计算机设备及存储介质，以对车辆长度进行分类，实现车辆长度计算。为了实现上述目的，本专利技术提供了一种车辆长度计算方法，所述方法包括：S201：构建一图片数据集，所述图片数据集分为训练集与测试集；S202：调用一图片标注工具对所述图片数据集中的图片进行标注，得到对应的标注结果，将该标注结果与该图片分别存放到不同的文件夹中，从而构建出标注数据集；S203：建立YOLO模型，根据所述标注数据集的格式更改该YOLO模型的参数，随后利用所述YOLO模型对所述训练集及其标注数据集进行训练，获得适用于当前应用环境的初始权重文件；S204：依据网络上的车辆信息以及当前应用环境的车辆类型构建车长信息表；S205：调用所述步骤S203中的初始权重文件，利用所述YOLO模型对所述测试集及其标注数据集进行车辆类型的识别测试，得到测试结果，根据测试结果的准确率调整网络超参数，最终得到最优解，保存对应的测试权重文件；S206：调用所述步骤S205中的测试权重文件，利用所述YOLO模型对待测照片进行车辆类型的识别，并将识别的结果与所述步骤S204中的车长信息表进行匹配，获取车辆的长度信息。另一方面，本专利技术还提供了一种车辆长度计算装置，所述装置包括：数据集构建模块，设置为构建一图片数据集，并将其所述图片数据集分为训练集与测试集；标注模块，设置为调用一图片标注工具对所述图片数据集中的图片进行标注，得到对应的标注结果，将该标注结果与该图片分别存放到不同的文件夹中，从而构建出标注数据集；训练模块，用于获取所述标注数据集的格式，更改YOLO模型参数使之与所述标注数据集格式相适应，利用所述YOLO模型对所述标注数据集进行训练，训练结束之后，获得适用于当前应用环境的权重文件；车长信息构建模块，设置为依据网络上的车辆信息以及当前应用环境的车辆类型构建车长信息表；预处理模块，设置为调用所述步骤S203中的初始权重文件，利用所述YOLO模型对所述测试集及其标注数据集进行车辆类型的识别测试，得到测试结果，根据测试结果的准确率调整网络超参数，最终得到最优解，保存对应的测试权重文件；和匹配模块，设置为调用所述测试权重文件，利用所述YOLO模型对待测照片进行车辆类型的识别，并将识别的结果与所述车长信息表进行匹配，获取车辆的长度信息。优选地，所述数据集构建模块包括：数据集主体单元，设置为获取当前应用环境的现场图片作为数据集主体；数据集补充单元，设置为从网络上获取与所述现场图片相近的图片作为所述数据集的补充；和数据集划分单元，设置为将所述图片数据集的所有图片按照预设比例划分为训练集与测试集。优选地，所述训练模块包括：标注格式获取单元，设置为获取所述标注数据集的格式；训练单元，设置为将所述标注数据集的格式传送给一GPU服务器，所述GPU服务器更改YOLO模型的参数使之与所述标注数据集的格式相适应，并对所述训练集及其标注数据集进行训练；和权重文件获取单元，设置为获取适用于当前应用环境的权重文件。另一方面，本专利技术还提供了一种车辆长度计算系统，包括：根据上文所述的车辆长度计算装置；以及与所述车辆长度计算装置相连的图像获取装置，用于获取应用场景的现场图片。另一方面，本专利技术还提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现根据上文所述的车辆长度计算方法。另一方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现根据上文所述的车辆长度计算方法。本专利技术的车辆长度计算方法、装置、计算机设备和存储介质，通过利用当前应用场景的图片构建图片数据集，并利用YOLO模型对所述数据集进行训练，得到适用于所述当前应用环境的权重文件，YOLO模型调用所述权重文件对需要识别的图片进行车辆标记和分类，制作车辆长度信息表并利用所述信息表对标记出的车辆进行匹配，获取对应的车辆长度信息，由此，采用本专利技术可以实现对摄像机采集到的车辆图片进行车辆长度计算，应用于智能驾驶领域，可以提高智能驾驶系统对车辆的识别能力，更好地行进路线规划，防止事故的发生，同时也可以应用于交通管理及物流分析等领域。附图说明图1为根据本专利技术的一个实施例的一种车辆长度计算方法的应用环境图；图2为根据本专利技术的一个实施例的一种车辆长度计算方法的流程图；图3为根据本专利技术的一个实施例的一种车辆长度计算装置的结构框图；图4为根据本专利技术的一个实施例的一种车辆长度计算系统的结构框图；图5为根据本专利技术的一个实施例的计算机设备的内部结构框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示为根据本专利技术的一个实施例的一种车辆长度计算方法的应用环境图，如图1所示，该应用环境包括车辆长度计算装置110、图像获取装置120以及现场车辆130。本实施例中，所述车辆长度计算装置110可以集成于一个车载控制系统中，作为智能驾驶系统的一部分，对车辆行进中遇到的车辆进行长度计算，避免车辆的碰撞，也可以固定设置于特定场合，如停车场、收费站或者临时交通临检站等，对经过的车辆进行分析计算，当然，还可以用于车辆信息的采集，为系统分析提供数据支撑，如物流分析等方面，本申请对此不作限定。本文档来自技高网...

【技术保护点】
1.一种车辆长度计算方法，其特征在于，所述方法包括：/nS201：构建一图片数据集，所述图片数据集分为训练集与测试集；/nS202：调用一图片标注工具对所述图片数据集中的图片进行标注，得到对应的标注结果，将该标注结果与该图片分别存放到不同的文件夹中，从而构建出标注数据集；/nS203：建立YOLO模型，根据所述标注数据集的格式更改该YOLO模型的参数，随后利用所述YOLO模型对所述训练集及其标注数据集进行训练，获得适用于当前应用环境的初始权重文件；/nS204：依据网络上的车辆信息以及当前应用环境的车辆类型构建车长信息表；/nS205：调用所述步骤S203中的初始权重文件，利用所述YOLO模型对所述测试集及其标注数据集进行车辆类型的识别测试，得到测试结果，根据测试结果的准确率调整网络超参数，最终得到最优解，保存对应的测试权重文件；/nS206：调用所述步骤S205中的测试权重文件，利用所述YOLO模型对待测照片进行车辆类型的识别，并将识别的结果与所述步骤S204中的车长信息表进行匹配，获取车辆的长度信息。/n

【技术特征摘要】
1.一种车辆长度计算方法，其特征在于，所述方法包括：
S201：构建一图片数据集，所述图片数据集分为训练集与测试集；
S202：调用一图片标注工具对所述图片数据集中的图片进行标注，得到对应的标注结果，将该标注结果与该图片分别存放到不同的文件夹中，从而构建出标注数据集；
S203：建立YOLO模型，根据所述标注数据集的格式更改该YOLO模型的参数，随后利用所述YOLO模型对所述训练集及其标注数据集进行训练，获得适用于当前应用环境的初始权重文件；
S204：依据网络上的车辆信息以及当前应用环境的车辆类型构建车长信息表；
S205：调用所述步骤S203中的初始权重文件，利用所述YOLO模型对所述测试集及其标注数据集进行车辆类型的识别测试，得到测试结果，根据测试结果的准确率调整网络超参数，最终得到最优解，保存对应的测试权重文件；
S206：调用所述步骤S205中的测试权重文件，利用所述YOLO模型对待测照片进行车辆类型的识别，并将识别的结果与所述步骤S204中的车长信息表进行匹配，获取车辆的长度信息。


2.根据权利要求1所述的一种车辆长度计算方法，其特征在于，所述步骤S201包括：
S2011：获取当前应用环境的现场图片作为数据集主体；
S2012：从网络上获取与所述现场图片相近的图片作为所述数据集的补充；
S2013：将所述图片数据集的所有图片按照预设比例划分为训练集与测试集。


3.根据权利要求1所述的一种车辆长度计算方法，其特征在于，所述步骤S203包括：
S2031：获取所述标注数据集的格式；
S2032：将所述标注数据集的格式传送给一GPU服务器，所述GPU服务器更改YOLO模型的参数使之与所述标注数据集的格式相适应，并对所述训练集及其标注数据集进行训练；
S2033：获取适用于当前应用环境的权重文件。


4.一种车辆长度计算装置，其特征在于，所述装置包括：
数据集构建模块，设置为构建一图片数据集，并将其所述图片数据集分为训练集与测试集；
标注模块，设置为调用一图片标注工具对所述图片数据集中的图片进行标注，得到对应的标注结果，将该标注结果与该图片分别存放到不同的文件夹中，从而构建出标注数据集；
训练模块，用于获取所述...

【专利技术属性】
技术研发人员：胡岸明，何为，张天天，马润泽，丁华泽，魏智，胡育昱，赵鲁阳，屈秉男，路茗，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，中国科学院大学，
类型：发明
国别省市：上海;31