一种基于神经网络的报废车辆识别方法和系统技术方案

本发明专利技术公开了一种基于神经网络的报废车辆识别方法和系统，属于交通安全技术领域，方法包括：获取多张车辆样本图像；构建报废车辆识别神经网络，报废车辆识别神经网络包括滤波器，通过滤波器对车辆样本图像进行滤波处理；提取车辆样本图像中的车身完整度特征、车型特征、车身颜色特征和车牌特征；对车身完整度特征、车型特征、车身颜色特征和车牌特征进行特征融合，根据特征融合结果输出车辆样本图像中所指示的车辆是否为报废车辆的识别结果；通过对识别结果与实际结果进行比较，对报废车辆识别神经网络进行修正；通过摄像头获取车辆图像，将车辆图像输入至报废车辆识别神经网络，以识别车辆图像所指示的车辆是否为报废车辆。以识别车辆图像所指示的车辆是否为报废车辆。以识别车辆图像所指示的车辆是否为报废车辆。

【技术实现步骤摘要】
一种基于神经网络的报废车辆识别方法和系统


[0001]本专利技术属于交通安全
，具体涉及一种基于神经网络的报废车辆识别方法和系统。

技术介绍

[0002]近年来，由于人们生活水平的提高，越来越多的家庭选择购买车辆，甚至一个家庭会购买多辆车。随着时间的推移，也有越来越多的车辆需要报废，但是车主往往将报废车辆停在路边或者停车场怠于处理，不仅影响人们的交通出行，还会占用停车场资源。设计出一种可以快速准确地对报废车辆进行识别的方法已是迫在眉睫。

技术实现思路

[0003]为了解决上述技术问题，本专利技术提供一种基于神经网络的报废车辆识别方法和系统。
[0004]第一方面
[0005]本专利技术提供一种基于神经网络的报废车辆识别方法，包括：
[0006]S101：获取多张车辆样本图像，将多张车辆样本图像组合为样本集合 X＝[X1,X2,
…
X
N
]，其中，N表示样本数量，多张车辆样本图像包括相关车辆为报废车辆的正向样本和相关车辆为正常车辆的负向样本；
[0007]S102：构建报废车辆识别神经网络，报废车辆识别神经网络包括滤波器，通过滤波器对车辆样本图像进行滤波处理；
[0008]S103：提取车辆样本图像中的车身完整度特征、车型特征、车身颜色特征和车牌特征；在车身存在重大缺陷的情况下，将车身完整度特征记为1，否则，记为0；在车型为已停产车型的情况下，将车型特征记为1，否则，记为0；在车身颜色与车管系统记录不一致的情况下，将车身颜色特征记为1，否则，记为0；在存在套牌的情况下，将车牌特征记为1，否则，记为0；
[0009]S104：对车身完整度特征、车型特征、车身颜色特征和车牌特征进行特征融合，根据特征融合结果输出车辆样本图像中所指示的车辆是否为报废车辆的识别结果；
[0010]S105：通过对识别结果与实际结果进行比较，对报废车辆识别神经网络进行修正；
[0011]S106：通过摄像头获取车辆图像，将车辆图像输入至报废车辆识别神经网络，以识别车辆图像所指示的车辆是否为报废车辆。
[0012]第二方面
[0013]本专利技术提供一种基于神经网络的报废车辆识别系统，包括：
[0014]获取模块，用于获取多张车辆样本图像，将多张车辆样本图像组合为样本集合X＝[X1,X2,
…
X
N
]，其中，N表示样本数量，多张车辆样本图像包括相关车辆为报废车辆的正向样本和相关车辆为正常车辆的负向样本；
[0015]构建模块，用于构建报废车辆识别神经网络，报废车辆识别神经网络包括滤波器，
通过滤波器对车辆样本图像进行滤波处理；
[0016]提取模块，用于提取车辆样本图像中的车身完整度特征、车型特征、车身颜色特征和车牌特征；在车身存在重大缺陷的情况下，将车身完整度特征记为 1，否则，记为0；在车型为已停产车型的情况下，将车型特征记为1，否则，记为0；在车身颜色与车管系统记录不一致的情况下，将车身颜色特征记为1，否则，记为0；在存在套牌的情况下，将车牌特征记为1，否则，记为0；
[0017]识别模块，用于对车身完整度特征、车型特征、车身颜色特征和车牌特征进行特征融合，根据特征融合结果输出车辆样本图像中所指示的车辆是否为报废车辆的识别结果；
[0018]比较模块，用于通过对识别结果与实际结果进行比较，对报废车辆识别神经网络进行修正；
[0019]识别模块，用于通过摄像头获取车辆图像，将车辆图像输入至报废车辆识别神经网络，以识别车辆图像所指示的车辆是否为报废车辆。
[0020]与现有技术相比，本专利技术至少具有以下有益效果：
[0021]在本专利技术中，通过多张车辆样本图片对报废车辆识别神经网络进行训练，综合考虑车身是否存在严重缺陷、车型是否已经停产、车身颜色是否与车管系统记录不一致以及是否存在套牌，以判断相关车辆是否是报废车辆。在实际应用过程中，只需要实时地拍摄车辆的图像即可以快速地、准确地对图像中的车辆是否是报废车辆做出判断，进而可以对报废车辆做出相应的处理，方便人们的出行，释放停车场资源，同时提升交通安全。
附图说明
[0022]下面将以明确易懂的方式，结合附图说明优选实施方式，对本专利技术的上述特性、技术特征、优点及其实现方式予以进一步说明。
[0023]图1是本专利技术提供的一种基于神经网络的报废车辆识别方法的流程示意图；
[0024]图2是本专利技术提供的一种基于神经网络的报废车辆识别系统的结构示意图。
具体实施方式
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对照附图说明本专利技术的具体实施方式。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
[0026]为使图面简洁，各图中只示意性地表示出了与专利技术相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
[0027]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0028]在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元
件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0029]另外，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0030]在一个实施例中，参考说明书附图1，本专利技术提供的一种基于神经网络的报废车辆识别方法的流程示意图。
[0031]本专利技术提供的一种基于神经网络的报废车辆识别方法，包括：
[0032]S101：获取多张车辆样本图像，将多张车辆样本图像组合为样本集合 X＝[X1,X2,
…
X
N
]。
[0033]其中，N表示样本数量。
[0034]可选地，N的具体数值为500。
[0035]其中，多张车辆样本图像包括相关车辆为报废车辆的正向样本和相关车辆为正常车辆的负向样本。
[0036]可选地，车辆样本图像可以多张样本子图像的组合，例如对某一车辆从多个预设的角度进行拍摄，将拍摄的图像作为一组，统称为一组车辆样本图像。
[0037]需要说明的是，车辆样本图像所指示的车辆是否为报废车辆是已知的，之后可以与报废车辆识别神经网络的识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的报废车辆识别方法，其特征在于，包括：S101：获取多张车辆样本图像，将多张所述车辆样本图像组合为样本集合X＝[X1,X2,
…
X
N
]，其中，N表示样本数量，多张所述车辆样本图像包括相关车辆为报废车辆的正向样本和相关车辆为正常车辆的负向样本；S102：构建报废车辆识别神经网络，所述报废车辆识别神经网络包括滤波器，通过所述滤波器对所述车辆样本图像进行滤波处理；S103：提取所述车辆样本图像中的车身完整度特征、车型特征、车身颜色特征和车牌特征；在车身存在重大缺陷的情况下，将所述车身完整度特征记为1，否则，记为0；在车型为已停产车型的情况下，将所述车型特征记为1，否则，记为0；在车身颜色与车管系统记录不一致的情况下，将所述车身颜色特征记为1，否则，记为0；在存在套牌的情况下，将所述车牌特征记为1，否则，记为0；S104：对所述车身完整度特征、所述车型特征、所述车身颜色特征和所述车牌特征进行特征融合，根据特征融合结果输出所述车辆样本图像中所指示的车辆是否为报废车辆的识别结果；S105：通过对所述识别结果与实际结果进行比较，对所述报废车辆识别神经网络进行修正；S106：通过摄像头获取车辆图像，将所述车辆图像输入至所述报废车辆识别神经网络，以识别所述车辆图像所指示的车辆是否为报废车辆。2.根据权利要求1所述的报废车辆识别方法，其特征在于，所述S102具体包括：S1021：设定所述滤波器的滤波尺寸为p
×
q；S1022：将所述车辆样本图像分割为多个p
×
q大小的图像块，并将相应的所述车辆样本图像表示为X
i
＝[x1,x2,
…
x
n
]，其中，n为所述图像块的个数；S1023：对X
i
去除均值得到则所述样本集合可表示为S1024：计算协方差矩阵C：其中，X
T
为X的转置矩阵；S1025：计算所述协方差矩阵C的特征值和特征向量，取前p
×
q个特征值对应的特征向量作为所述滤波器的滤波参数。3.根据权利要求1所述的报废车辆识别方法，其特征在于，所述S103还包括：在难以确定车身存在是否重大缺陷的情况下，将所述车身完整度特征记录为0.5；在难以确定车型是否已停产的情况下，将所述车型特征记为0.5；在难以确定车身颜色与车管系统记录是否一致的情况下，将所述车身颜色特征记为0.5；在难以确定是否存在套牌的情况下，将所述车牌特征记为0.5。4.根据权利要求1所述的报废车辆识别方法，其特征在于，所述S104具体包括：S1041：假设所述车身完整度特征的权重为α，所述车型特征的权重为β，所述车身颜色特征的权重为γ，所述车牌特征的权重δ，所述车身完整度特征的特征值为y1，所述车型特征的特征值为y2，所述车身颜色特征的特征值为y3，所述车牌特征的特征值为y4，则计算车
辆报废值z为：z＝αy1+βy2+γy3+δy4S1042：在所述车辆报废值大于预设值的情况下，判定所述车辆样本图像中所指示的车辆为报废车辆；S1043：在所述车辆报废值小于或者等于所述预设值的情况下，判定所述车辆样本图像中所指示的车辆为正常车辆。5.根据权利要求1所述的报废车辆识别方法，其特征在于，所述S105具体包括：S1051：对所述识别结果与实际结果进行比较，得到各个特征的误差率；S1052：通过各个特征的误差率对各个特征的权重进行修正：其中，t
i
表示第i个特征的权重，t1＝α，t2＝β，t3＝γ，t4＝δ，e
i
表示第i个特征的误差率，e
j
表示第j个特征的误差率。6.一种基于神经网络的报废车辆识别系统，其特征在于，...

【专利技术属性】
技术研发人员：颜培戈，李大钊，曹小平，
申请(专利权)人：江苏凤火数字科技有限公司，
类型：发明
国别省市：