[发明专利]一种基于R-CNN的车窗年检标检测方法

权利要求书

1.一种基于R-CNN的车窗年检标检测方法，其特征在于该方法包括以下步骤：

步骤1、输入图像、车窗位置、车型，并标注车窗内年检标的外接包围矩形框；

步骤2、使用超像素算法做超像素分割，并调整超像素算法中的距离公式，具体为：

步骤2.1、对超像素算法做GPU速度优化，将颜色距离标准化系数从一个固定的值改为根据当前像素点群变化的值；

步骤2.2、针对不同的车型，使用不同的超像素块数量参数；根据标注数据，统计得到超像素块数量参数；

步骤3、计算超像素块的中心点，并将该中心点作为建议框的中心点，计算建议框的宽和高；

步骤4、将建议框输入已经离线训练好的CNN1分类模型做分类，所述的CNN1用于快速去除非年检标的建议框；

步骤5、将CNN1分类判定为正样本的建议框输入CNN1回归模型，回归年检标的左上角坐标和右下角坐标；

步骤6、将CNN1回归模型的结果输入CNN2模型，做分类和回归；

步骤7、将CNN2模型得到的检测框合并；

步骤8、根据统计年检标标注结果，得到年检标在车窗内相对位置的先验概率，结合年检标位置的先验概率和CNN2模型分类得到分数，计算检测框所在位置是否有年检标的后验概率；根据后验概率，得到最后检测结果。

2.根据权利要求1所述的一种基于R-CNN的车窗年检标检测方法，其特征在于：离线训练前需要进行数据收集，其过程为：

收集若干包含车前脸车窗的图片样本；

使用车辆检测算法检测车辆，使用车辆特征点回归算法回归得到车窗位置，使用车型分类算法得到车型；

标注车窗内年检标的外接包围矩形框。

3.根据权利要求1所述的一种基于R-CNN的车窗年检标检测方法，其特征在于：当年检标黏连时，将建议框高宽比过大的建议框分裂成上下两个建议框。

4.根据权利要求1至3中任一项所述的一种基于R-CNN的车窗年检标检测方法，其特征在于：所述的CNN1分类模型是一个轻量级的网络，CNN1网络结构中conv_blok包含了一个3x3的卷积，激活层relu，标准化层BN；conv_blok1输出维度为16x16x16，fc1是一个全连接层，prob是softMax层。

5.根据权利要求1至3中任一项所述的一种基于R-CNN的车窗年检标检测方法，其特征在于：所述的CNN1回归模型的网络结构中fc2是一个全连接层，输出大小1x1x4。

6.根据权利要求1所述的一种基于R-CNN的车窗年检标检测方法，其特征在于：使用建议框、CNN1分类模型的结果、CNN1回归模型的结果和年检标标注生成训练样本，训练CNN2模型。

7.根据权利要求6所述的一种基于R-CNN的车窗年检标检测方法，其特征在于：使用已经训练好的CNN2模型做难例挖掘，微调CNN2模型。