[发明专利]一种卡口高清相机全车信息识别系统及方法

权利要求书

1.一种卡口高清相机全车信息识别系统，其特征在于，包括机动车检测模块、人体关键点定位模块、接打电话检测模块和安全带检测模块；

所述机动车检测模块，用于将视频图像输入训练好的网络模型，通过网络模型对视频图像进行分析处理，从而输出得到机动车图像以及车辆信息；

所述人体关键点定位模块，用于将机动车图像输入训练好的定位模型，定位模型对机动车图像进行识别分析，从而得到驾驶员的人体关键点信息；

所述接打电话检测模块，用于基于人体关键点信息进行接打电话规则判断，从而确定驾驶员是否在打接电话；

所述安全带检测模块，用于基于人体关键点进行主躯干识别，从机动车图像中提取出人体主躯干图像，根据人体主躯干图像判断驾驶员是否系有安全带。

2.根据权利要求1所述的一种卡口高清相机全车信息识别系统，其特征在于，所述车辆信息包括车型、车身颜色、车标、车牌号码、车牌颜色和是否有遮阳板。

3.根据权利要求1所述的一种卡口高清相机全车信息识别系统，其特征在于，所述网络模型采用深度卷积神经网络，所述深度卷积神经网络在图像识别过程中包括：

深度卷积网特征提取的步骤；

小目标特征提取与检测的步骤；

大目标特征特征提取与检测的步骤；

多尺度检测结果融合的步骤。

4.根据权利要求3所述的一种卡口高清相机全车信息识别系统，其特征在于，所述深度卷积网特征提取的步骤包括：

A1，将机动车图像缩放到1056×640像素；

A2，对缩放后的图像以7×7的卷积核、步长2进行32次卷积，得到529×320的32通道的卷积特征图，对图上每个像素用C.ReLU激活函数模块处理，使卷积特征图通道数和尺寸不变；

A3，对上一步得到的卷积特征图，以3×3的卷积核、步长2做最大值池化，得到264×160的32通道的卷积特征图；

A4，对上一步得到的卷积特征图，以3×3的卷积核、步长1进行64次卷积，然后对卷积特征图上每个像素用C.ReLU激活函数模块处理；本步骤重复三次，得到264×160的64通道的卷积特征图；

A5，对上一步得到的卷积特征图，以3×3的卷积核、步长为2进行128次卷积，然后对特征图上每个像素用C.ReLU激活函数模块处理，得到132×80的128通道的卷积特征图；

A6，对上一步得到的卷积特征图，以3×3的卷积核、步长1进行128次卷积，然后对特征图上每个像素用C.ReLU激活函数模块处理；本步骤重复三次，得到132×80的128通道的卷积特征图；

A7，将上一步得到的卷积特征图，经过步长为2的改进版Inception处理，得到66×40的256通道的卷积特征图；

A8，将上一步得到的卷积特征图，经过三个步长为1、通道数不变的改进版Inception处理，得到66×40的256通道的卷积特征图；

A9，将上一步得到的卷积特征图，经过步长为2的改进版Inception处理，得到33×20的384通道的卷积特征图；

A10，将上一步得到的卷积特征图，经过步长为1、通道数不变的三个改进版Inception处理，得到33×20的384通道的卷积特征图。

5.根据权利要求4所述的一种卡口高清相机全车信息识别系统，其特征在于，所述小目标特征提取与检测的步骤包括：

B1，对A4中得到的卷积特征图下采样一倍，得到132×80的64通道的卷积特征图；

B2，对A8中得到的卷积特征图上采样一倍，得到132×80的256通道的卷积特征图；

B3，将B1、B2和A6中分别得到的卷积特征图，进行特征通道串联，得到132×80的448通道的卷积特征图；

B4，使用区域建议网产生兴趣区，将兴趣区对应到上一步得到的卷积特征图上，得到兴趣区特征；

B5，将上一步得到的兴趣区特征，经过两个全连接层，连接一个分类器和一个回归器；

B6，分类器预测结果和标定真值比较得到softmax损失函数，回归器预测结果和真值比较得到SmoothL1损失函数；用梯度下降法，最小化损失函数，得到预测结果。