[发明专利]包含特定背景图像的车辆目标图像数据库建立方法

说明书

本发明包含特定背景图像的车辆目标图像数据库建立方法的技术方案，涉及道路车辆的交通控制系统，先采集制作特定背景图像，后制作只包含单一车辆图像的车辆目标图像，再将只包含单一车辆的车辆目标图像嵌入到特定背景图像中形成包含特定背景图像的车辆目标图像，重复上述步骤，制备出满足深度学习神经网络对图像数据库的需求并使用深度学习神经网络进行验证的包含特定背景图像的车辆目标图像数据库，克服了现有技术中，存在于不同光照及天气条件下多个时段内进行摄录视频及拍照图像采集车辆目标图像样本，再经过裁剪和左右镜像化变换所制备的车辆目标图像数据库，不能适应不同背景和车辆车型的不断增加和更新，制作费用高且时间长的缺陷。

技术领域

本发明的技术方案涉及道路车辆的交通控制系统，具体地说是包含特定背景图像的车辆目标图像数据库建立方法。

背景技术

识别车辆目标是智能驾驶的重要方向，也是智能交通控制系统中的核心技术。由于深度学习神经网络近年来在计算机视觉领域取得了重大进展，基于数据获取、预处理、特征提取、分类等浅层神经网络识别车辆目标逐渐被高识别率的深度学习神经网络识别车辆目标所取代。深度学习神经网络识别车辆目标的关键是要优化网络设计结构，但是这必须有大量车辆目标图像数据库，才能满足训练深度学习神经网络的需求。

为了建立大量车辆目标图像数据库以满足训练深度学习神经网络的需求，在道路车辆的交通控制系统的现有技术中，经常采用已经制备公开的车辆目标数据库及视频现场采集视频的方法。例如，论文(计算机与数字工程，2019，46(9)，1871-1875+1915)利用微软COCO公共数据库；论文(IET Intelligent Transport Systems，2018，12(3)：186–193；计算机工程与应用，2018，54(18)：154-160)使用CompCars数据库；论文(IEEE Transactions onImage Processing，2018，27(1)：432–441)采用KITTI和PASCAL VOC2007数据库；论文(IEEETransactions on Intelligent Transportation Systems，2019，20(2)：749–759；计算机与现代化，2017(8)，264：56-600)作者的研究小组采用各自电子摄录拍照的方法，获得车辆目标图像数据库；CN106846813A公开了构建城市道路车辆图像数据库的方法，是采用实际采集含视频转换成图像的策略；CN109446973A公开了一种基于深度神经网络图像识别的车辆定位方法，是在不同光照及天气条件下多个时段内采集车辆目标图像样本；CN107633220A公开了一种基于卷积神经网络的车辆前方目标识别方法，需要获取大量车辆交通相关图像作为样本，对收集的图像进行左右镜像化变换，扩充数据集并制作标签。

上述现有技术，使用现有的数据库以及电子摄录车辆目标，并对原采集的视频或者图像进行裁剪，为深度学习神经网络提供真实可靠的车辆目标图像数据库，可以训练深度学习神经网络，但是存在下面缺陷：①真实采集车辆目标图像及视频限制了数据库的种类和数量，必须增加摄录时间或者拍照次数，才能提高数据库的容量；②摄录或者拍照的方法不可能包含所有任意场景中的车辆目标图像，形成的车辆目标图像数据库只能代表部分背景下车辆目标图像，在特定区域和季节拍摄车辆目标图像，不能适应于其它区域及季节背景下的车辆目标图像；③按照增加视频时间提高车辆目标数据库的容量，其人力和物力的耗费量会随着摄录时间而增加。

归纳起来，在道路车辆的交通控制系统的现有技术中，存在于不同光照及天气条件下多个时段内进行摄录视频及拍照图像采集的车辆目标图像样本，再经过裁剪和左右镜像化变换所制备的车辆目标图像数据库不能适应不同背景和车辆车型的不断增加和更新，而增加车辆目标图像数据库数量的费用高且时间长的缺陷。

发明内容