[发明专利]基于深度学习的车辆分类与计数方法在审
申请号: | 201811068353.X | 申请日: | 2018-09-13 |
公开(公告)号: | CN109191839A | 公开(公告)日: | 2019-01-11 |
发明(设计)人: | 陈立里;谢云;张正道;彭力 | 申请(专利权)人: | 江南大学 |
主分类号: | G08G1/01 | 分类号: | G08G1/01;G08G1/015;G08G1/052;G08G1/065;G06K9/62;G06K9/00 |
代理公司: | 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 | 代理人: | 杨慧林;徐洋洋 |
地址: | 214122 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车辆分类 虚拟线圈 车辆检测 中心点 记录 学习 检测器 虚拟检测器 车辆中心 模型检测 实时车辆 实时检测 帧标记 分类 比对 检测 更新 | ||
本发明涉及一种基于深度学习的车辆分类与计数方法,包括:用Single Shot MultiBox Detector训练一个车辆检测模型;设置一个虚拟线圈,只记录该区域内的用Single Shot MultiBox Detector训练的训练一个车辆检测模型检测出来的车辆中心点;看车辆是否经过虚拟线圈,只有当车辆经过虚拟线圈检测器时,才进行下一步;如果是第一帧,记录下在虚拟检测器里用Single Shot MultiBox Detector检测出来的所有的车辆的中心点;如果不是第一帧,则和上一帧标记的中心点依次进行比对,如果距离小于一定阈值,则更新该点,否则新建一个点并记录。上述基于深度学习的车辆分类与计数方法,实现了基于深度学习的实时车辆分类与计数;在实现车辆计数的同时,可对车辆进行分类。并且达到实时检测速度。
技术领域
本发明涉及车辆分类与计数方法,特别是涉及基于深度学习的车辆分类与计数方法。
背景技术
近年来,随着交通车辆数量高速增长,交通监管面临巨大挑战。随着智能城市智能交通系统(ITS)的推广,其应用的核心技术得到了迅速的发展。车辆目标检测,作为构建交通状况视频监控的一项关键技术,一直是其重要的组成部分。车流量检测的大致的可以归于三类:第一类是在地下埋感应线圈,当车辆经过感应线圈区域时,由感应线圈装置受到压力发出脉冲信号,从而判断是否有车辆。常用的方法有环形线圈检测法、地磁检测法、电磁检测法等。这类方法较在安装和维修时需要破坏地面,且费用较高,同时也给车辆的出行造成了不便。第二类是悬挂式检测方法,当车辆驶入检测范围时,检测器发出的微波、超声波或红外线,以此来判断是否有车辆。这类检测方法易于安装,对路面不会造成破坏,但当两辆车并排进入检测范围时,只能计数一辆车,检测精度受到了影响,检测范围较小。这类检测方法易于安装,对路面不会造成破坏,但当两辆车并排进入检测范围时,只能计数一辆车,检测精度受到了影响,检测范围较小。第三类为通过摄像机拍摄交通视频,利用计算机视觉技术以及图像处理技术对视频进行处理。相对于前两类传统方法,视频检测方法具有明显的优势:安装和维护装置方便,能对整个路面的路况进行拍摄,检测到的范围比较广,获取到的交通信息比较全面。基于视觉的车辆检测是目前最流行的方法。传统的基于视觉的车辆检测方法通常是手动提取特征,费时费力,泛化能力差,易受环境变化和遮挡的影响。随着深度学习理论和实践的迅速发展,基于机器学习的目标检测与分类进入了一个新的阶段。不同于传统的特征提取算法,卷积神经网络具有一定的不变性的几何变换、变形和光照,可以克服改变车辆外观的困难,可以解决遮挡问题,能够自适应的训练数据驱动下构建的特征描述,具有更大的灵活性和综合能力。
虽然基于深度学习的目标检测具有一些优点,但是其速度通常不是很快。近年来,如SSD,yolo2和其他快速目标检测网络,在保持高速度的同时实现高精度,在泰坦X下的速度可达每秒几十帧,但实际上,我们很少使用高端显卡,一方面成本太高,另一方面空间太大。在主流计算机中实现其实时性是主要问题。
传统的基于视觉的车辆检测方法通常是手动提取特征,费时费力,泛化能力差,易受环境变化和遮挡的影响。不同于传统的特征提取算法,卷积神经网络具有一定的不变性的几何变换、变形和光照,可以克服改变车辆外观的困难,可以解决遮挡问题,能够自适应的训练数据驱动下构建的特征描述,具有更大的灵活性和综合能力。
现有技术
传统的车辆计数方法使用的是背景相减法,将视频中的每一帧和背景进行对比,并分离出和背景有差异的对象。通常会设置一个虚拟线圈来对车辆进行计数,根据虚拟线圈内像素的变化来对车辆计数。然而单纯的背景相减法,虽然速度快,但在精度上有所欠缺。考虑到实时性,目前大多数的传统技术都只实现了对车辆的计数。然而随着智能城市智能交通系统(ITS)的发展,车辆分类的信息也成为了不可欠缺的一部分。
发明内容
基于此,有必要针对上述技术问题,提供一种基于深度学习的车辆分类与计数方法,传统的虚拟检测器与Single Shot MultiBox Detector结合,使其在能达到实时检测的情况下,达到了高精度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江南大学,未经江南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811068353.X/2.html,转载请声明来源钻瓜专利网。