基于深度学习的危险品车辆检测与识别方法技术

本发明专利技术公开了一种基于深度学习的危险品车辆检测与识别方法，涉及公路智能交通技术与人工智能领域。所述方法包括如下步骤：获取危险品车辆样本图像，并标注样本图像中目标区域坐标信息和类别；构建基于深度神经网络的危险品车辆标识检测与识别模型，利用采集和标注的危险品车辆样本训练危险品车辆标识检测与识别模型；利用危险品车辆标识检测与识别模型对待检测图像进行检测与识别；利用BP神经网络模型进行字符识别，确定危险品车辆标识。所述方法能够提高危险品车辆识别的准确率，可以有效提高高速入口车辆通行效率和高速通行安全性。

【技术实现步骤摘要】
基于深度学习的危险品车辆检测与识别方法
本专利技术涉及公路智能交通技术与人工智能领域，尤其涉及一种基于深度学习的危险品车辆检测与识别方法。
技术介绍
为了保证高速公路的通行安全，国内很多高速公路对危险化学品运输车辆采取了限时、限段、限路或完全禁行等相关措施，在禁行的路段和时段内，禁止危险化学品车辆驶入高速公路。目前高速公路入口的危险品车辆识别和管制主要依赖于人工判断，通行效率较低。无人值守发卡机设备虽然已在收费广场入口车道广泛应用，并在一定程度上提高了发卡效率且节省了人力，但很难对危险品车辆进行有效的识别和管制，导致部分危险品车辆在限行时间段进入高速公路，增加了高速公路安全隐患。
技术实现思路
本专利技术所要解决的技术问题是如何提供一种能够提高危险品车辆识别的准确率，可以有效提高高速入口车辆通行效率和高速通行安全性的方法。为解决上述技术问题，本专利技术所采取的技术方案是：一种基于深度学习的危险品车辆检测与识别方法，其特征在于包括如下步骤：获取危险品车辆样本图像，并标注样本图像中目标区域坐标信息和类别；本文档来自技高网...

【技术保护点】
1.一种基于深度学习的危险品车辆检测与识别方法，其特征在于包括如下步骤：/n获取危险品车辆样本图像，并标注样本图像中目标区域坐标信息和类别；/n构建基于深度神经网络的危险品车辆标识检测与识别模型，利用采集和标注的危险品车辆样本训练危险品车辆标识检测与识别模型；/n利用危险品车辆标识检测与识别模型对待检测图像进行检测与识别；/n利用BP神经网络模型进行字符识别，确定危险品车辆标识。/n

【技术特征摘要】
1.一种基于深度学习的危险品车辆检测与识别方法，其特征在于包括如下步骤：
获取危险品车辆样本图像，并标注样本图像中目标区域坐标信息和类别；
构建基于深度神经网络的危险品车辆标识检测与识别模型，利用采集和标注的危险品车辆样本训练危险品车辆标识检测与识别模型；
利用危险品车辆标识检测与识别模型对待检测图像进行检测与识别；
利用BP神经网络模型进行字符识别，确定危险品车辆标识。


2.如权利要求1所述的基于深度学习的危险品车辆检测与识别方法，其特征在于：
所述危险品车辆样本图像包括特定天气条件下分别对应的危险品车辆图像数据，同时包括具有一定尺度变化和一定倾斜角度的危险品车辆图像。


3.如权利要求1所述的基于深度学习的危险品车辆检测与识别方法，其特征在于：
所述标注是指标记图像中目标的位置和所属的类别，即目标的左上角和右下角坐标信息及目标为危险品车辆标识牌。


4.如权利要求1所述的基于深度学习的危险品车辆检测与识别方法，其特征在于：采用基于YOLOv2深度神经网络的危险品车辆标识检测与识别模型。


5.如权利要求4所述的基于深度学习的危险品车辆检测与识别方法，其特征在于，所述的采用基于YOLOv2深度神经网络的危险品车辆标识检测与识别模型的方法如下：
利用摄像机获取全天时、全天候的危险品车辆图像；
依据VOC数据格式制作危险品车辆样本数据集，对危险品车辆图像中危险品标识进行人工标注；
根据FastYOLO网络架构，训练危险品车辆标识检测与识别模型；
利用验证数据集对危险品车辆标识检测与识别模型进行模型验证，验证模型的参数；
利用测试数据集对危险品车辆标识检测与识别模型进行性能测试，测试模型的泛化能力。

【专利技术属性】
技术研发人员：李广，闫满囤，李忠辉，张倩倩，孙计山，尹春辉，田森，罗晓瑶，韩二伟，高曼，
申请(专利权)人：河北交投智能交通技术有限责任公司，
类型：发明
国别省市：河北;13