[发明专利]基于SSD神经网络的违章停车车辆实时检测方法

权利要求书

1.基于SSD神经网络的违章停车车辆实时检测方法，包括如下步骤：

1)构建训练数据集：

1a)采集若干个不同场景、不同拍摄角度、不同光照变化和天气情况下的车辆行驶视频，将这些视频每隔25帧保存成一张图片；

1b)在每张图片上划定感兴趣区域，并对感兴趣区域内的车辆进行标注，再将标注车辆的坐标、宽高以及类别信息存入到txt格式的标签文件中；

1c)合并所有标签文件，并将文件的txt格式转换为xml格式，获得与训练图像相对应的车辆类别以及位置信息的标签文件，即训练数据集；

2)通过K-Means聚类获得车辆宽高比的K个聚类中心：

2a)使用MATLAB函数importdata()读入1b)生成的txt格式的标签文件，获取标注车辆的坐标、宽高以及类别信息，将所有标注车辆的宽和高存成一个二维矩阵X，其中矩阵的列代表车辆的宽高，矩阵的行代表不同的标注车辆；

2b)使用MATLAB函数Kmeans()对二维矩阵X进行K-Means聚类，得到K个聚类的车辆宽高，用聚类后的宽除以高得到K个宽高比的聚类中心；

3)使用2b)得到的车辆聚类宽高比，对SSD网络模型进行优化，得到优化后的SSD网络模型；

4)利用优化后的SSD网络模型和跟踪算法进行违章停车检测：

4a)读取视频，得到视频流，并在视频图像中设定禁止停车区域；

4b)从视频流中取第1帧图像，使用优化后的SSD网络模型对图像中禁停区域内的行驶车辆进行检测，获取车辆的位置信息；

4c)取视频流中第2～25帧图像，对4b)获取的目标车辆，调用Opencv函数matchTemplate()使用模板匹配算法进行追踪，得到目标车辆的运动状态和位置信息；

4d)设定交叠率阈值U＝0.6，重复4b)，根据本次SSD检测到的车辆位置与4c)跟踪结束后的车辆位置，计算交叠率u，将交叠率与交叠率阈值进行比较：若u>U，则将本次SSD检测出的目标车辆与追踪后的目标车辆判断为同一辆车，若u≤U，则判断本次SSD检测出的目标车辆为新进入禁止停车区域的车辆；

4e)重复4c)-4d)，直到视频流结束，得到车辆的运动轨迹，将在设定时间阈值内保持静止的车辆判断为违章停车车辆。

2.根据权利要求1所述的方法，其中步骤1b)中的感兴趣区域，是指在采集的车辆行驶视频中，视频内下方三分之二的车道形成的T型区域。

3.根据权利要求1所述的方法，其中步骤2a)中使用函数importdata()读入标注文件，是指通过MATLAB，把标注车辆的宽和高导入MATLAB工作区，再把导入工作区的数据存入矩阵X。

4.根据权利要求1所述的方法，其中步骤2b)中使用的函数Kmeans()聚类车辆的宽和高，是指通过MATLAB，对二维矩阵X进行聚类计算，求出车辆宽和高的K个聚类中心。

5.根据权利要求1所述的方法，其中步骤3)中对SSD网络模型进行优化，得到优化后的网络模型，按如下步骤进行：

3a)下载和安装caffe-ssd深度学习平台；

3b)根据K-Means宽高比聚类结果修改文件ssd_pascal.py中的aspect_ratios参数；

3c)修改caffe_ssd平台下的标签字典labelmap_voc.prototxt，使标签字典与检测类别一致；

3d)运行create_data.sh程序，将1)中准备好的数据集转换为lmdb格式文件；

3e)运行ssd_pascal.py文件，开始训练SSD网络，直到网络训练收敛，得到最终的网络模型。

6.根据权利要求1所述的方法，其中步骤4c)中调用Opencv计算机视觉库中的函数matchTemplate()使用模板匹配算法进行追踪，是利用SSD网络模型识别到的目标车辆作为模版，在视频流中找出目标车辆的位置，实现对车辆的追踪。

7.根据权利要求1所述的方法，其中步骤4c)中使用的matchTemplate()函数，为Opencv开源计算机视觉库的自带函数。