一种货车车型识别方法和系统技术方案

本发明专利技术提出一种货车车型识别方法和系统，包括如下步骤：步骤S1，获取车辆侧面图像，并建立样本数据集；步骤S2，对样本数据集中的车辆信息进行标注；步骤S3，建立用于从侧面识别货车车型的深度学习模型，利用标注好的样本数据集，训练深度学习模型，得到训练好的深度学习模型；步骤S4，采集车辆侧面图像，将采集的车辆侧面图像输入到上述训练好的深度学习模型，根据深度学习模型输出的车辆信息确定货车车型信息。本发明专利技术的货车车型识别方法和系统能够快速、准确的识别货车车型。准确的识别货车车型。准确的识别货车车型。

【技术实现步骤摘要】
一种货车车型识别方法和系统


[0001]本专利技术涉及车辆智能监测
，特别涉及一种基于深度学习算法的货车车型识别方法和系统。

技术介绍

[0002]由于ETC计费系统的推广，许多高速公路收费站逐渐以无人值守的不停车通行车道取代人工收费窗口。通行高速公路后及时缴纳足额车辆通行费，是每个道路使用者应履行的责任和义务。但是，逃费产生的经济利益促使很多车辆进行逃费。由于牵引车型货车与普通货车收费政策不同，依靠入口轴数计费，并在出口收费站收取高速通行费用，会产生很多漏收错收行为：牵引车轴数入口站识别错误；牵引车办理普通货车的ETC卡；在高速服务区拖挂、换挂等。
[0003]牵引车型货车大部分用于长途运输货物，车辆单次收费金额大，产生的漏收错收金额也越大，每年的通行费损失给高速带来数以千万计的经济损失，甚至影响到高速公路的安全运营。
[0004]随着近年来计算机视觉技术的发展，新技术应用爆发式增长催生全新业态，急需设计一种能够精确识别货车车型的信息的方法。

技术实现思路

[0005]本专利技术提出了一种货车车型识别方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种货车车型识别方法，其特征在于，包括如下步骤：步骤S1，获取车辆侧面图像，并建立样本数据集；步骤S2，对样本数据集中的车辆信息进行标注；步骤S3，建立用于从侧面识别货车车型的深度学习模型，利用标注好的样本数据集，训练深度学习模型，得到训练好的深度学习模型；步骤S4，采集车辆侧面图像，将采集的车辆侧面图像输入到上述训练好的深度学习模型，根据深度学习模型输出的车辆信息确定货车车型信息。2.根据权利要求1所述的一种货车车型识别方法，其特征在于，所述的步骤S1获取车辆侧面图像建立样本数据集，其中，所述的车辆侧面图像包括高速公路入出口站点抓拍的车辆侧面图像，或者省界监控采集系统抓拍图像。3.根据权利要求1所述的一种货车车型识别方法，其特征在于，所述步骤S2对样本数据集中的车辆信息进行标注，包括标注车辆的车型、车轴信息，车型信息包括客车、货车，车轴信息包括车轴中心坐标及车轮半径。4.根据权利要求1所述的一种货车车型识别方法，其特征在于，所述步骤S3，建立用于从侧面识别货车车型的深度学习模型，利用标注好的样本数据集，训练深度学习模型，得到训练好的深度学习模型，具体包括：步骤S31，使用迁移学习方法，建立深度学习二分类模型，用于区分车辆车型信息；步骤S32，建立改进的YOLOX目标检测模型，具体改进过程包括：步骤S321，将YOLOX的主干网络替换为DenseNet网络；在DenseNet网络中，采用稠密连接机制，互相连接所有的层，即每个层都会接受其前面所有层作为其额外的输入，保留上下文信息；步骤S322，将YOLOX
‑
HEAD中的普通卷积修改替换为金字塔卷积，所述的金字塔卷积将卷积核平分为若干组，每组卷积核尺寸按照2n+1(n∈N)增加，同时各组卷积核也会再次进行分组，如果卷积核尺寸越大，则分组越多，其中n为金字塔层数序号，N为自然数；步骤S323，引入FOCAL LOSS损失函数，根据样本分辨的难易程度给样本对应的损失添加权重，减少样本不均衡的影响；FOCAL LOSS损失函数的公式如下：FL(p
t
)＝
‑
α
t
(1
‑
p
t
)
γ
log(p
t<...

【专利技术属性】
技术研发人员：纪明新，顾辉，
申请(专利权)人：北京中科神通科技有限公司，
类型：发明
国别省市：