[发明专利]基于卷积神经网络的道路识别系统及方法

权利要求书

1.一种基于卷积神经网络的道路识别系统，其特征在于，所述系统包括：高清摄像头和图像处理端，所述高清摄像头与所述图像处理端之间通过USB接口进行连接，所述高清摄像头，用于实时采集道路图像，并将道路图像通过USB接口传输至图像处理端，所述图像处理端包括：图像获取模块、神经网络训练模块、图像特征提取模块、二分器和显示屏，所述图像获取模块通过导线连接有图像特征提取模块、所述图像特征提取模块通过导线连接有神经网络训练模块和二分器，所述二分器通过导线连接有显示屏，所述图像处理端接收高清摄像头传输来的道路图像，并将道路图像中的道路区域与非道路区域进行分割。

2.根据权利要求1所述的基于卷积神经网络的道路识别系统，其特征在于，所述图像获取模块，用于接收高清摄像头传输来的道路图像，并获取一帧的图像传输至图像特征提取模块。

3.根据权利要求1所述的基于卷积神经网络的道路识别系统，其特征在于，所述神经网络训练模块，用于训练卷积神经网络模型。

4.根据权利要求1所述的基于卷积神经网络的道路识别系统，其特征在于，所述图像特征提取模块，用于接收图像获取模块传输来的一帧图像，并根据训练好的卷积神经网络模型对一帧图像进行特征提取，所述图像特征提取模块将提取后的图像信息发送至二分器。

5.根据权利要求1所述的基于卷积神经网络的道路识别系统，其特征在于，所述二分器对提取后的图像中的每个像素计算，计算出属于道路区域和非道路区域的概率，并将属于道路区域的所有像素分割出来形成整个道路区域，所述二分器将道路区域发送至显示屏，供用户查看。

6.一种基于卷积神经网络的道路识别方法，其特征在于，所述方法步骤如下：高清摄像头实时采集道路图像，并将道路图像传输至图像处理端；图像处理端的图像获取模块获取道路图像的一帧图像；图像处理端的图像特征提取模块使用已训练好的神经网络对图像提取特征；图像处理端的二分器对特征提取后的图像中每个像素计算，计算出属于道路区域和非道路区域的概率；图像处理端的二分器将属于道路区域的所有像素分割出来形成整个道路区域；将道路区域显示到显示屏上。

7.根据权利要求6所述的基于卷积神经网络的道路识别方法，其特征在于，所述训练神经网络的方法步骤为：采集多份含有道路信息的图像样本；对图像样本进行标注；编写模型训练配置文件；使用Tensorflow训练卷积神经网络模型。

8.根据权利要求7所述的基于卷积神经网络的道路识别方法，其特征在于，所述对图像样本进行标注的方法为：将道路区域用一种颜色进行标注，将非道路区域用另一种颜色进行标注。

9.根据权利要求6所述的基于卷积神经网络的道路识别方法，其特征在于，所述使用已训练好的神经网络对图像提取特征的方法步骤为：一帧图像经过多层卷基层后，将图像的边缘、轮廓、纹理及颜色进行特征提取，输出一个三维矩阵；将得到的三维矩阵通过3个上采样的全卷积层，得到与原图大小一样的热图，其中道路区域用一种颜色表示，其他非道路区域用另一种颜色表示。