基于人工智能的智慧交通品牌汽车大数据检测方法及系统技术方案

本发明专利技术提出了基于人工智能的智慧交通品牌汽车大数据检测方法及系统，涉及数据检测技术领域。通过获取多个待检测图像；采用多目标检测互验的方法对待检测图像进行检测；利用目标检测方法进行目标检测，生成多个待检测商标区域；分别计算待检测商标区域与各个商标模板图像的多区域熵值相似度；利用对应的品牌商标检测模型对待检测商标区域进行判别；根据商标判别结果，基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的相似度；根据相似度得到待检测商标区域的检测结果；进而统计得到待检测图像中各个品牌汽车数据；根据各个待检测图像中各个品牌汽车数据统计得到品牌汽车检测数据。显著地提升了汽车商标品牌检测的精准度。标品牌检测的精准度。标品牌检测的精准度。

【技术实现步骤摘要】
基于人工智能的智慧交通品牌汽车大数据检测方法及系统


[0001]本专利技术涉及数据检测
，具体而言，涉及基于人工智能的智慧交通品牌汽车大数据检测方法及系统。

技术介绍

[0002]随着民众生活条件的逐步改善，越来越多的民众购买了品牌汽车作为代步工具。随着民众购买力的显著增强，越来越多的品牌汽车投入到市场，如果能够统计出道路中品牌汽车的大数据，不仅能够给消费者提供参考，而且可以让汽车生产企业掌握自己汽车的市场占有率、使用率等信息。
[0003]传统的品牌汽车大数据检测方法往往依靠人力完成，不仅浪费巨大的人力资源，而且不能保证结果的准确性。尽管现代交通系统已经将目标检测、图像识别等技术应用于品牌汽车的大数据检测中，但是无法保持较高的精准度，随着的科技的不断进步，人工智能领域中的相关技术越来越成熟，能够为品牌汽车大数据检测提供重要的支持，因此，如何充分利用人工智能领域的技术，提出一种基于人工智能的智慧交通品牌汽车大数据检测方法有重要的价值和意义。

技术实现思路

[0004]本专利技术的目的在于提供一种基于人工智能的智慧交通品牌汽车大数据检测方法及系统，用以改善现有技术中将目标检测、图像识别等技术应用于品牌汽车的大数据检测中，但是无法保持较高的精准度的问题。
[0005]第一方面，本申请实施例提供一种基于人工智能的智慧交通品牌汽车大数据检测方法，包括以下步骤：获取各个道路区域的多个图像作为多个待检测图像；采用多目标检测互验的方法对待检测图像进行检测，生成多个汽车检测图像；对各个汽车检测图像分别利用目标检测方法进行目标检测，生成多个待检测商标区域；分别计算待检测商标区域与预置的车辆商标模板库中的各个商标模板图像的多区域熵值相似度，得到多个多区域熵值相似度结果；根据各个多区域熵值相似度结果在预置的品牌商标检测模型库中提取对应的品牌商标检测模型；利用对应的品牌商标检测模型对待检测商标区域进行判别，生成商标判别结果；根据各个多区域熵值相似度结果在预置的车辆商标模板库中提取对应的商标模板图像；根据商标判别结果，基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的相似度；根据对应的商标模板图像和待检测商标区域的相似度得到待检测商标区域的检
测结果；根据各个待检测商标区域的检测结果统计得到待检测图像中各个品牌汽车数据；根据各个待检测图像中各个品牌汽车数据统计得到品牌汽车检测数据。
[0006]上述实现过程中，通过获取各个道路区域的多个图像作为多个待检测图像；采用多目标检测互验的方法对待检测图像进行检测；利用目标检测方法进行目标检测，生成多个待检测商标区域；分别计算待检测商标区域与各个商标模板图像的多区域熵值相似度；根据各个多区域熵值相似度结果提取对应的品牌商标检测模型；利用对应的品牌商标检测模型对待检测商标区域进行判别；根据各个多区域熵值相似度结果提取对应的商标模板图像；根据商标判别结果，基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的相似度；根据对应的商标模板图像和待检测商标区域的相似度得到待检测商标区域的检测结果；根据各个待检测商标区域的检测结果统计得到待检测图像中各个品牌汽车数据；根据各个待检测图像中各个品牌汽车数据统计得到品牌汽车检测数据。利用多目标检测方法互验的方式对待检测图像进行目标检测，显著地提升了汽车检测的精准度，同时通过计算汽车商标模板图像和待检测商标区域的多区域熵值相似度，可以直接对部分待检测商标进行判定，显著地提升了汽车商标检测的精准度，也降低了整个系统的计算资源消耗，当待检测商标区域图像的SVM模型得分处于临界状态时，利用基于多边缘检测算子的匹配方法对其进行二次判别，弥补了SVM模型对得分边缘图像判别不准确的问题，显著地提升了汽车商标品牌检测的精准度。
[0007]基于第一方面，在本专利技术的一些实施例中，分别计算待检测商标区域与预置的车辆商标模板库中的各个商标模板图像的多区域熵值相似度，得到多个多区域熵值相似度结果的步骤包括以下步骤：将待检测商标区域与预置的车辆商标模板库中的各个商标模板图像分别进行等分，得到多个待检测商标等分区域和多个商标模板等分图像；分别计算各个待检测商标等分区域的熵值和各个商标模板等分图像的熵值；将各个待检测商标等分区域的熵值与对应的商标模板等分图像的熵值进行对比，得到多个熵值对比结果；根据多个熵值对比结果得到待检测商标区域与各个商标模板图像的多区域熵值相似度。
[0008]基于第一方面，在本专利技术的一些实施例中，还包括以下步骤：计算待检测商标等分区域中各个像素点的灰度值；根据各个像素点的灰度值计算得到各个灰度在待检测商标等分区域中出现的概率；根据各个灰度在待检测商标等分区域中出现的概率利用预置的熵值计算公式计算得到待检测商标等分区域的熵值。
[0009]基于第一方面，在本专利技术的一些实施例中，还包括以下步骤：获取任一品牌的商标图像作为正训练样本；获取除该品牌以外的其它品牌商标图像作为负训练样本；分别对正训练样本和负训练样本进行筛选，得到新的正训练样本和新的负训练样本；
利用预置的SVM模型对新的正训练样本和新的负训练样本进行训练，得到任一品牌对应的品牌商标检测模型。
[0010]基于第一方面，在本专利技术的一些实施例中，还包括以下步骤：对正训练样本中的各个商标图像进行显著性检测，得到多个显著性检测结果；根据多个显著性检测结果对正训练样本进行筛选，得到预筛选正训练本；对预筛选正训练本中的各个商标图像进行峰值信噪比检测，生成多个峰值信噪比；根据多个峰值信噪比对预筛选正训练本进行筛选，得到新的正训练本。
[0011]基于第一方面，在本专利技术的一些实施例中，根据商标判别结果，基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的相似度的步骤包括以下步骤：判断商标判别结果是否为临界状态，若是，则基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的相似度；若否，则根据商标判别结果得到待检测商标区域的检测结果。
[0012]基于第一方面，在本专利技术的一些实施例中，基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的相似度的步骤包括以下步骤：利用Canny算子对对应的商标模板图像和待检测商标区域分别进行过滤，生成第一商标模板图像过滤的结果和第一待检测商标区域过滤结果；分别对第一商标模板图像过滤的结果和第一待检测商标区域过滤结果进行哈希编码，得到第一商标模板图像编码和第一待检测商标区域编码；根据第一商标模板图像编码和第一待检测商标区域编码，利用欧式距离计算对应的商标模板图像和待检测商标区域的相似度，得到第一相似度；利用Prewitt算子对对应的商标模板图像和待检测商标区域分别进行过滤，生成第二商标模板图像过滤的结果和第二待检测商标区域过滤结果；分别对第二商标模板图像过滤的结果和第二待检测商标区域过滤结果进行哈希编码，得到第二商标模板图像编码和第二待检测商标区域编码；根据第二商标模板图像编码和第二待检测商标区域编码，利用欧式距离计算对应的商标模板图像和待检测商标区域的相似度，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的智慧交通品牌汽车大数据检测方法，其特征在于，包括以下步骤：获取各个道路区域的多个图像作为多个待检测图像；采用多目标检测互验的方法对待检测图像进行检测，生成多个汽车检测图像；对各个汽车检测图像分别利用目标检测方法进行目标检测，生成多个待检测商标区域；分别计算待检测商标区域与预置的车辆商标模板库中的各个商标模板图像的多区域熵值相似度，得到多个多区域熵值相似度结果；根据各个多区域熵值相似度结果在预置的品牌商标检测模型库中提取对应的品牌商标检测模型；利用对应的品牌商标检测模型对待检测商标区域进行判别，生成商标判别结果；根据各个多区域熵值相似度结果在预置的车辆商标模板库中提取对应的商标模板图像；根据商标判别结果，基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的相似度；根据对应的商标模板图像和待检测商标区域的相似度得到待检测商标区域的检测结果；根据各个待检测商标区域的检测结果统计得到待检测图像中各个品牌汽车数据；根据各个待检测图像中各个品牌汽车数据统计得到品牌汽车检测数据。2.根据权利要求1所述的基于人工智能的智慧交通品牌汽车大数据检测方法，其特征在于，所述分别计算待检测商标区域与预置的车辆商标模板库中的各个商标模板图像的多区域熵值相似度，得到多个多区域熵值相似度结果的步骤包括以下步骤：将待检测商标区域与预置的车辆商标模板库中的各个商标模板图像分别进行等分，得到多个待检测商标等分区域和多个商标模板等分图像；分别计算各个待检测商标等分区域的熵值和各个商标模板等分图像的熵值；将各个待检测商标等分区域的熵值与对应的商标模板等分图像的熵值进行对比，得到多个熵值对比结果；根据多个熵值对比结果得到待检测商标区域与各个商标模板图像的多区域熵值相似度。3.根据权利要求2所述的基于人工智能的智慧交通品牌汽车大数据检测方法，其特征在于，还包括以下步骤：计算待检测商标等分区域中各个像素点的灰度值；根据各个像素点的灰度值计算得到各个灰度在待检测商标等分区域中出现的概率；根据各个灰度在待检测商标等分区域中出现的概率利用预置的熵值计算公式计算得到待检测商标等分区域的熵值。4.根据权利要求1所述的基于人工智能的智慧交通品牌汽车大数据检测方法，其特征在于，还包括以下步骤：获取任一品牌的商标图像作为正训练样本；获取除该品牌以外的其它品牌商标图像作为负训练样本；
分别对正训练样本和负训练样本进行筛选，得到新的正训练样本和新的负训练样本；利用预置的SVM模型对新的正训练样本和新的负训练样本进行训练，得到任一品牌对应的品牌商标检测模型。5.根据权利要求4所述的基于人工智能的智慧交通品牌汽车大数据检测方法，其特征在于，还包括以下步骤：对正训练样本中的各个商标图像进行显著性检测，得到多个显著性检测结果；根据多个显著性检测结果对正训练样本进行筛选，得到预筛选正训练本；对预筛选正训练本中的各个商标图像进行峰值信噪比检测，生成多个峰值信噪比；根据多个峰值信噪比对预筛选正训练本进行筛选，得到新的正训练本。6.根据权利要求1所述的基于人工智能的智慧交通品牌汽车大数据检测方法，其特征在于，所述根据商标判别结果，基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的相似度的步骤包括以下步骤：判断商标判别结果是否为临界状态，若是，则基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的相似度；若否，则根据商标判别结果得到待检测商标区域的检测结果。7.根...

【专利技术属性】
技术研发人员：黄建浩，
申请(专利权)人：北京海上升科技有限公司，
类型：发明
国别省市：