[发明专利]一种车辆姿态检测方法及系统

说明书

本发明公开了一种车辆姿态检测方法及系统，其方法包括获取待检测图像，其中包含目标车辆；采用目标检测网络模型，检测出待检测图像中目标车辆的图像区域；采用实例分割网络模型，对目标车辆的图像区域进行实例分割；将分割后的目标车辆的图像区域输入至车辆姿态分类模型，获取姿态分类结果；根据姿态分类结果，确定出目标车辆的姿态。其系统包括存储器，被配置为存储数据及计算机程序指令；与存储器建立通信的处理器，处理器执行所述计算机程序指令。本发明主要应用于交通监管以及重点区域监控领域中，其通过场景分割技术实现了车辆姿态的自动检测以及分析，且本方案的属性分析效率和准确度更高。

技术领域

本发明涉及交通监管技术领域，特别涉及一种车辆姿态检测方法及系统。

背景技术

随着社会经济的不断发展和人民生活水平的持续提高，城市机动车保有量迅猛增长，机动车车辆检测以及行人检测工作量也随之迅速增大，这对于交通监管领域造成了很大的压力。

随着人工智能技术的发展，图像场景分割技术被引入交通监管领域内，为其场景分割等提供了技术基础。然而，现有的技术并不能满足交通监管的需求。

现有技术中，在对场景进行分割时，需要先将视频数据中的每一帧图像作为单独帧图像进行场景分割，从而得到每一帧图像的场景分割结果。然而，这种处理方法的处理速度慢，花费时间长，且在背景情况复杂时识别的准确度较差，后期仍需要人工进行校验检查。

因此，如何准确、快速地对车辆姿态进行检测，同时避免人工校验成本高，易疲劳，易疏忽等弊端，是急需解决的技术问题。

发明内容

本发明目的是：提出一种车辆姿态检测方法及系统，其能够自动检测出车辆姿态，以满足交通管理中对于车辆检测工作效率和准确率的需求。

本发明解决其技术问题所采用的技术方案是：

一种车辆姿态检测方法，其特征在于，包括如下步骤：

S1、获取待检测图像，所述待检测图像中包含目标车辆；

S2、采用基于深度学习的目标检测网络模型，检测出所述待检测图像中目标车辆的图像区域；

S3、采用基于深度学习的实例分割网络模型，对所述目标车辆的图像区域进行实例分割；

S4、将被进行实例分割后的目标车辆的图像区域输入至预构建的基于深度学习的车辆姿态分类模型，获取姿态分类结果；

S5、根据姿态分类结果，确定出所述待检测图像中的目标车辆的姿态。

进一步优化技术方案，在本方案的方法中还包括：

获取不同角度、光照、种类和图像质量的包含车辆的车辆图像样本；

采用矩形框分别对每个车辆图像样本中每张车辆的图像区域进行标记，得到有效标记数据集；其中，每个矩形框在每张样本图像中的位置以坐标值的方式标识出。

进一步优化技术方案，在获取待检测图像之前，本方案的方法还包括以下步骤：

预构建基于深度学习的目标检测网络模型；

预构建基于深度学习的实例分割网络模型；

预构建基于深度学习的车辆姿态分类模型。

进一步优化技术方案，所述预构建基于深度学习的目标检测网络模型的步骤包括：

分别将所述有效标记数据集中的每张图像样本和该张图像样本中每个矩形框的坐标值作为一组训练数据，形成第一训练数据集；

采用卷积神经网络VGG16搭建目标检测深度学习网络，并利用所述第一训练数据集训练所述目标检测深度学习网络，获得基于深度学习的目标检测网络模型。