[发明专利]基于卷积神经网络的渣土车特征识别方法

说明书

基于卷积神经网络的渣土车特征识别方法，其包括：S1：从监控系统中提取监控图片；S2：通过图像识别技术，输出车辆区域图片；S3：在车辆区域图片内进行车辆位置分类识别，将车辆区域图片划分为车头图片和车尾图片；S4：把车头、车尾图片分别输入到训练好的渣土车识别算法模型进行识别；S5：如果甄别结果为发现渣土车，且是通过车尾图片识别出渣土车，则把车尾图片输入到训练好的渣土车违法行为识别算法模型中进行识别；如果是通过车头图片识别出渣土车，则把车辆信息通知给监管人员；S6：S5中通过训练好的渣土车违法行为识别算法模型对车尾图片进行识别，如果违法识别结果为存在违法行为，则生成预警信息，把预警信息通知监管人员。

技术领域

本发明涉及智能交通控制技术领域，具体为基于卷积神经网络的渣土车特征识别方法。

背景技术

渣土车并不是特定的某种车型，而是指专门用于运送沙石等建筑料的卡车。由于渣土车一般是在市区夜间允许通行，由于渣土车体积庞大、驾驶室高，存在很多视觉盲区，且部分驾驶员安全意识淡薄，使得渣土车给道路交通秩序带来了很大的隐患，属于需要必须监管的车种。因为城市建设中建筑工地无规律变化，渣土车集中的路段也无规律变化，现有方法中需要人工发现渣土车集中路段，然后人工确认是否有违法行为，导致人工实施监管会有一定的滞后性，且效率不高。

发明内容

为了解决人工甄别渣土车违法行为有滞后性且效率不高的问题，本发明提供基于卷积神经网络的渣土车特征识别方法，其可以利用现有设备在自动识别出渣土车、以及渣土车的违法行为，成本低、费时短、效率高，确保后续监管工作的正常实施。

本发明的技术方案是这样的：基于卷积神经网络的渣土车特征识别方法，其包括以下步骤：

S1：从监控系统中提取监控图片；

S2：通过图像识别技术，从图片中检出车辆区域，输出车辆区域图片；

其特征在于，其还包括下述步骤：

S3：在所述车辆区域图片内进行车辆位置分类识别，将车辆区域图片划分为车头图片和车尾图片；

S4：把所述车头图片和所述车尾图片分别输入到训练好的渣土车识别算法模型中进行识别；

S5：如果甄别结果为发现渣土车，且是通过所述车尾图片识别出渣土车的，则把所述车尾图片输入到训练好的渣土车违法行为识别算法模型中进行识别；如果是通过所述车头图片识别出渣土车，则把车辆信息通知给监管人员；如果所述甄别结果为未发现渣土车则本次识别结束；

S6：步骤S5中通过训练好的所述渣土车违法行为识别算法模型对所述车尾图片进行识别，如果违法识别结果为存在违法行为，则生成预警信息，把所述预警信息通知监管人员；如果违法识别结果为无违法行为，则本次识别结束。

其进一步特征在于：

步骤4中所述渣土车识别算法模型，包括车头用渣土车识别算法模型和车尾用渣土车识别算法模型；

所述车头用渣土车识别算法模型的训练过程如下：

a-1: 定期地通过各地的卡口管理系统、违章采集系统不断收集海量车头用样本图片；

a-2：每次收集新的样本图片后，对候选车头用样本图片进行第一次分类，第一次分类的类型包括9个类型：大客车、大货车、中巴车、小货车、面包车、小轿车、越野车、摩托车、三轮车；

a-3：将分类完毕的图片输入到卷积神经网络中，利用卷积神经网络训练出一个9分类算法模型，记做车头用9分类算法模型；

a-4:将大货车分类中的样本图片进行第二次分类，第二次分类的类型包括2个类型：渣土车、非渣土车；