一种基于深度学习目标检测的车辆组合识别系统及方法技术方案

本发明专利技术公开了一种基于深度学习目标检测的车辆组合识别系统及方法，包括图像获取模块、图像处理模块、目标检测模块、目标分类模块、车牌识别模块、信息比对模块和通信模块。该方法对汽车的车标、车牌以及车脸进行组合识别和处理，并与数据库中的车辆信息进行比较，从而判定车辆是否合乎法规。该发明专利技术是一快速、高效的车辆识别方法，能够有效地帮助交管执法人员降低打击违法车辆的难度和工作量。

【技术实现步骤摘要】
一种基于深度学习目标检测的车辆组合识别系统及方法
本专利技术涉及智能交通监管领域，尤其涉及一种基于深度学习目标检测的车辆组合识别系统及方法。
技术介绍
随着汽车数量的逐年递增，城市道路面临着越来越大的交通压力。如何高效地进行交通管理，越来越成为我们现实生活的焦点问题。与此同时，车辆套牌、违规改装甚至肇事逃逸等违法违规的案件也时有发生。这些违法违规行为严重威胁人民生命财产安全，影响社会治安，扰乱了公安机关和交管部门对公共安全的管控。但是现有的交通道路监视、管理系统的技术主要专注于车辆超速、闯红灯、不按道行驶这些违规行驶等行为，以及停车场等固定场景的局部车牌识别领域。对于车辆套牌、违规改装甚至肇事逃逸等违法行为，大部分还是依靠公安和交警进行人工识别，而且如今道路上行驶的车辆越来越多，这无疑大大增加了执法的难度。因此亟需一种快速、高效的车辆识别方法，帮助交管执法人员降低打击违法车辆的难度和工作量。目标检测是深度学习技术在计算机视觉领域的一项重要应用，近年来也越广泛应用于智能驾驶与智能交通领域。基于深度学习的目标检测算法，一般采用卷积神经网络实现，可以充分提取图像的特征并快速准确地识别和定位图像中目标的类别和位置。将其应用于交通管制中对于违法车辆的识别，可以有效地提高识别速度和准确率。
技术实现思路
本专利技术提出了了一种基于深度学习目标检测的车辆组合识别系统及方法，能够有效地帮助交管执法人员提高对违法违规车辆的打击效率。为解决以上技术问题，本专利技术提供以下技术方案：一种基于深度学习目标检测的车辆组合识别系统，包括：图像获取模块、图像处理模块、目标检测模块、目标分类模块、车牌识别模块、信息比对模块和通信模块；所述图像获取模块用于实时采集包含车辆目标的图像并传递给图像处理模块；所述图像处理模块用于对采集的图像进行图像去噪、图像增强等处理以便于后续的识别，并将处理后的图像传递给目标检测模块；所述目标检测模块用于在获取的交通图像中标记出车辆的车标区域、车脸区域、车牌区域，将车标区域、车脸区域传递给所述目标分类模块，将车牌区域传递给所述车牌识别模块；所述目标分类模块根据接收到的车标区域、车脸区域确定目标车辆品牌和车辆型号，并将其传递给所述信息比对模块；所述车牌识别模块根据接收到的车牌区域识别出车牌号码，并将其传递给所述信息比对模块；所述信息比对模块包括信息存储单元和信息比对单元，其中，信息存储单元用于存储车辆信息和违法车辆的违法信息，所述车辆信息包括车辆在交通部门专网上登记的车牌号码、车辆品牌、车辆型号、以及是否存在未处理的违法行为；信息比对单元用于将接收到的车牌号码、车辆品牌、车辆型号和信息存储单元中存储的车辆信息进行匹配，若无匹配车牌号码，判定该车辆为有伪造车牌嫌疑的车辆，将接收到的车牌号码、车辆品牌、车辆型号以及判定结果传递给所述通信模块；若匹配车牌号码对应的型号与接收到的车辆型号不一致，判定该车辆为有套牌或者违法改装嫌疑的车辆，将接收到的车牌号码、车辆品牌、车辆型号以及判定结果传递给所述通信模块；若车型一致但存在未处理的违法行为，将其判定为有其他违法嫌疑的车辆，将接收到的车牌号码、车辆品牌、车辆型号以及判定结果传递给所述通信模块；所述通信模块则将接收到的车牌号码、车辆品牌、车辆型号、判定结果传输给交管部门的信息中心，提醒交管人员对相关车辆进行拦截和管制。作为本专利技术一种基于深度学习目标检测的车辆组合识别系统进一步的优化方案，所述目标分类模块包含一级分类单元和二级分类单元，其中，一级分类单元用于将接收到的车标区域送入预先训练好的一级分类网络模型，得出车辆品牌；二级分类单元用于将接收到的车脸区域送入一级分类单元得到的车辆品牌下预先训练好的二级分类网络模型，得出车辆型号。本专利技术还公开了一种该基于深度学习目标检测的车辆组合识别系统的识别方法，所述目标检测模块基于目标检测网络进行检测；所述目标检测网络包含DarkNet-19卷积神经网络模型和Passthrough层；所述DarkNet-19卷积神经网络模型包含19个卷积层和5个最大池化层，最后一个卷积层的卷积核个数为8；所述Passthrough层包含两个3*3卷积层和一个1*1卷积层，用于接收Darknet-19卷积神经网络模型第13个卷积层输出的特征图进行特征重排处理，并将经过特征重排的特征图传递给DarkNet-19卷积神经网络模型的第20个卷积层后的concat节点、和DarkNet-19卷积神经网络模型第20个卷积层输出的特征图进行通道拼接，从而实现特征融合，提高检测精度；所述Passthrough层对Darknet-19卷积神经网络模型第13个卷积层输出的特征图进行特征重排处理的具体步骤如下：将接收的特征图先用1*1卷积进行通道数降维，然后分别按行和列进行隔点采样得到4个尺寸缩小一半的特征图，再将这4个特征图按通道进行拼接，得到经过特征重排的特征图。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术公开了一种基于深度学习目标检测的车辆组合识别系统及方法，运用深度学习领域的目标检测算法检测出交通图像中车标、车牌以及车脸的区域，然后将车标和车脸送入预先训练好的分类模型检测出车辆的具体品牌以及型号；将车牌区域进行进一步的精定位、分割等处理识别出车牌号码。将识别出的车牌号码或者检测出的具体车型信息与交通部门专网上登记的车辆原始车型、品牌等相关信息进行比对，从而判断车辆的状态是否合乎法规，并将判断的信息作为交管执法人员打击违法犯罪车辆的依据。本专利技术提出的组合识别方法提高了车辆识别的精度，并很大程度上提高了交管部门鉴别违法车辆的效率。附图说明图1为本专利技术车辆组合识别方法的结构框图；图2为信息比对模块的工作流程图；图3为车牌识别模块的工作流程图；图4为目标检测模型的结构框图；图5为目标检测模型检测出的车标、车脸和车牌区域；图6-1为从目标检测模型输出提取的车标区域；图6-2为对图6-1进行二值化处理的结果图；图7-1为从目标检测模型输出提取的车脸区域；图7-2为对图7-1进行边缘提取的结果图；图8-1为从目标检测模型输出提取的车牌区域；图8-2为对图8-1进行精定位的结果图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，一种基于深度学习目标检测的车辆组合识别系统，包括：图像获取模块、图像处理模块、目标检测模块、目标分类模块、车牌识别模块、信息比对模块和通信模块；所述图像获取模块用于实时采集包含车辆目标的图像并传递给图像处理模块；所述图像处理模块用于对采集的本文档来自技高网...

【技术保护点】
1.一种基于深度学习目标检测的车辆组合识别系统，其特征在于，包括：图像获取模块、图像处理模块、目标检测模块、目标分类模块、车牌识别模块、信息比对模块和通信模块；/n所述图像获取模块用于实时采集包含车辆目标的图像并传递给图像处理模块；/n所述图像处理模块用于对采集的图像进行图像去噪、图像增强等处理以便于后续的识别，并将处理后的图像传递给目标检测模块；/n所述目标检测模块用于在获取的交通图像中标记出车辆的车标区域、车脸区域、车牌区域，将车标区域、车脸区域传递给所述目标分类模块，将车牌区域传递给所述车牌识别模块；/n所述目标分类模块根据接收到的车标区域、车脸区域确定目标车辆品牌和车辆型号，并将其传递给所述信息比对模块；/n所述车牌识别模块根据接收到的车牌区域识别出车牌号码，并将其传递给所述信息比对模块；/n所述信息比对模块包括信息存储单元和信息比对单元，其中，信息存储单元用于存储车辆信息和违法车辆的违法信息，所述车辆信息包括车辆在交通部门专网上登记的车牌号码、车辆品牌、车辆型号、以及是否存在未处理的违法行为；信息比对单元用于将接收到的车牌号码、车辆品牌、车辆型号和信息存储单元中存储的车辆信息进行匹配，若无匹配车牌号码，判定该车辆为有伪造车牌嫌疑的车辆，将接收到的车牌号码、车辆品牌、车辆型号以及判定结果传递给所述通信模块；若匹配车牌号码对应的型号与接收到的车辆型号不一致，判定该车辆为有套牌或者违法改装嫌疑的车辆，将接收到的车牌号码、车辆品牌、车辆型号以及判定结果传递给所述通信模块；若车型一致但存在未处理的违法行为，将其判定为有其他违法嫌疑的车辆，将接收到的车牌号码、车辆品牌、车辆型号以及判定结果传递给所述通信模块；/n所述通信模块则将接收到的车牌号码、车辆品牌、车辆型号、判定结果传输给交管部门的信息中心，提醒交管人员对相关车辆进行拦截和管制。/n...

【技术特征摘要】
1.一种基于深度学习目标检测的车辆组合识别系统，其特征在于，包括：图像获取模块、图像处理模块、目标检测模块、目标分类模块、车牌识别模块、信息比对模块和通信模块；
所述图像获取模块用于实时采集包含车辆目标的图像并传递给图像处理模块；
所述图像处理模块用于对采集的图像进行图像去噪、图像增强等处理以便于后续的识别，并将处理后的图像传递给目标检测模块；
所述目标检测模块用于在获取的交通图像中标记出车辆的车标区域、车脸区域、车牌区域，将车标区域、车脸区域传递给所述目标分类模块，将车牌区域传递给所述车牌识别模块；
所述目标分类模块根据接收到的车标区域、车脸区域确定目标车辆品牌和车辆型号，并将其传递给所述信息比对模块；
所述车牌识别模块根据接收到的车牌区域识别出车牌号码，并将其传递给所述信息比对模块；
所述信息比对模块包括信息存储单元和信息比对单元，其中，信息存储单元用于存储车辆信息和违法车辆的违法信息，所述车辆信息包括车辆在交通部门专网上登记的车牌号码、车辆品牌、车辆型号、以及是否存在未处理的违法行为；信息比对单元用于将接收到的车牌号码、车辆品牌、车辆型号和信息存储单元中存储的车辆信息进行匹配，若无匹配车牌号码，判定该车辆为有伪造车牌嫌疑的车辆，将接收到的车牌号码、车辆品牌、车辆型号以及判定结果传递给所述通信模块；若匹配车牌号码对应的型号与接收到的车辆型号不一致，判定该车辆为有套牌或者违法改装嫌疑的车辆，将接收到的车牌号码、车辆品牌、车辆型号以及判定结果传递给所述通信模块；若车型一致但存在未处理的违法行为，将其判定为有其他违法嫌疑的车辆，将接收到的车牌号码、车辆品牌、车辆型号以及判定结果传递给所述通信模块；
所述通信模块则将接...

【专利技术属性】
技术研发人员：王源隆，井志强，于意，赵万忠，王春燕，周冠，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32