[发明专利]基于卷积神经网络的车辆识别与检测方法及系统

说明书

本发明涉及一种基于卷积神经网络的车辆识别与检测方法及系统，其特征在于，包括以下步骤：提取车辆图片样本并进行标记；将已标记的图片样本进行区域分割和种类分析训练；提取待识别视频中一组随机连续的待识别图像；预测出所有待识别图像中车辆位置以及种类；输出车辆的运动状态；将运动状态绑定车辆监控业务逻辑，输出监控结果及指令，本发明采用车辆识别系统对相关车辆进行智能化、自动化管理，为采用现代化的技术手段控制和管理城市交通，实时掌控每辆车的运行状态，可方便实现车辆调度，在危险发生时，能够引导救险车跟踪与处置，对管理部门及时疏导、高效监控打下坚实的基础。

技术领域

本发明涉及车辆识别与管理技术领域，尤其涉及一种基于卷积神经网络的车辆识别与检测方法及系统。

背景技术

随着社会经济的快速发展，各个国家主要城市的汽车数量与日俱增，车辆违规停放是导致交通拥堵的重大原因之一，因此各个国家都通过相应的法律法规明确规定，在特定地点、场所以及道路禁止停车，目前交通部门对违规停放行为的监管主要采取人工进行巡逻的方式，因此通过人工巡逻的方式进行违规停放的监管需要大量的人力物力，很少有一款设备能够同时满足实时性、准确性以及有效性的要求。

除此之外，近年来诸如油罐车、危险化学品运输车、泥头车、军警车等特种车辆的拥有量也随之不断的增加，为了对行驶中的车辆位置进行确定，广泛采用通过利用来自GPS(Global Positioning System：全球定位系统)的电波信号来进行定位的方法。但是这种利用GPS对车辆进行定位的精度含有几十米左右的误差，很难以更高精度进行详细的位置确定，因此，传统的特种车辆管理模式已难以满足实际需要，监管效率低，存在安全隐患。

基于视频图像处理的交通信息采集作为一种重要的检测技术，已受到国内外的广泛重视，随着社会经济的发展和科学技术的进步，视频检测技术也取得了迅猛的发展，视频检测产品在经历了模拟、数字两个重要发展阶段之后，现在已经处于高清发展阶段，目前市场已经出现了高清视频检测产品，交通视频检测传感器通过位于道路上方的视频采集设备得到交通场景图像，利用计算机图像处理、人工智能、模式识别等技术自动分析处理场景图像信息，从而获取交通信息。由于它是一种非接触式交通信息采集设备，可以在不影响车辆运行情况下进行设备的安装、调试与维护，而无需封闭路段，同时，视频检测传感器可以同时检测多个车道并在广域场景下进行交通监控，具有成本低、信息全面直观、易于维护和安装等特点，因此在智能交通系统中具有较高的应用前景。

发明内容

本发明所要解决的技术问题是克服现有技术中存在的不足，提供一种基于卷积神经网络的车辆识别与检测方法及系统。

本发明是通过以下技术方案予以实现：

一种基于卷积神经网络的车辆识别与检测方法，其特征在于，包括以下步骤：

a.提取一组不同种类车辆特定形态的图片样本，将图片样本中全部种类车辆进行标记；

b.使用mask-rcnn将已标记的图片样本进行区域分割和种类分析训练；

c.与视频监控端建立通讯连接，提取待识别视频中一组随机连续的待识别图像；

d.通过mask-rcnn语义分割预测出所有待识别图像中车辆位置以及种类；

e.通过视频的运动跟踪输出车辆的运动状态；

f.将运动状态绑定车辆监控业务逻辑，输出监控结果及指令。

根据上述技术方案，优选地，所述待识别图像为待识别视频中随机提取的时间段内连续选取的一组图像。

根据上述技术方案，优选地，步骤e包括：通过物体追踪算法追踪相邻帧的待识别图像中所有车辆位置；根据车辆追踪情况输出车辆的运动状态。

根据上述技术方案，优选地，步骤f包括：当车辆在特定区域运动状态为静止时，向监控端发送提醒指令。