[发明专利]车辆长度计算方法、装置、系统、计算机设备及存储介质

说明书

本发明提供一种车辆长度计算方法，包括：构建图片数据集；对数据集中的图片进行标注，构建出标注数据集；建立YOLO模型，根据标注数据集的格式更改模型参数，利用模型对训练集及其标注数据集进行训练获得初始权重文件；构建车长信息表；调用初始权重文件，利用模型对测试集及其标注数据集进行测试，根据结果的准确率调整参数，保存测试权重文件；利用模型对待测照片进行识别，将识别结果与车长信息表进行匹配，获取车辆的长度信息。本发明还提供了车辆长度计算装置、系统、计算机设备及存储介质。本发明实现了对车辆长度的计算，应用于智能交通领域，可推动智能驾驶的发展，也可以用于车辆的归类，为交通、物流分析提供了基础数据。

技术领域

本发明涉及智能交通领域，特别是涉及一种车辆长度计算方法、装置、系统、计算机设备及存储介质。

背景技术

目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割，它将目标图像的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中，需要对多个目标进行实时处理时，目标自动提取和识别就显得特别重要。

随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪的研究越来越热门，对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。

现有技术中，目标检测常用R-CNN(CNN：Convolutional Neural Networks，即卷积神经网络，R-CNN即Regions with CNN features，将大型卷积神经网络(CNNs)应用于自下而上的候选区域以定位和分割物体的方法)网络模型及YOLO(You Only Look Once:Unified,Real-Time Object Detection，一种目标检测算法)网络模型，但是这两种模型只能用于对图片中的物体进行分类，应用于智能交通领域，无法对车辆长度进行很好的分类，无法满足智能化交通系统的发展要求。

发明内容

本发明旨在提供一种车辆长度计算方法、装置、系统、计算机设备及存储介质，以对车辆长度进行分类，实现车辆长度计算。

为了实现上述目的，本发明提供了一种车辆长度计算方法，所述方法包括：

S201：构建一图片数据集，所述图片数据集分为训练集与测试集；

S202：调用一图片标注工具对所述图片数据集中的图片进行标注，得到对应的标注结果，将该标注结果与该图片分别存放到不同的文件夹中，从而构建出标注数据集；

S203：建立YOLO模型，根据所述标注数据集的格式更改该YOLO模型的参数，随后利用所述YOLO模型对所述训练集及其标注数据集进行训练，获得适用于当前应用环境的初始权重文件；

S204：依据网络上的车辆信息以及当前应用环境的车辆类型构建车长信息表；

S205：调用所述步骤S203中的初始权重文件，利用所述YOLO模型对所述测试集及其标注数据集进行车辆类型的识别测试，得到测试结果，根据测试结果的准确率调整网络超参数，最终得到最优解，保存对应的测试权重文件；

S206：调用所述步骤S205中的测试权重文件，利用所述YOLO模型对待测照片进行车辆类型的识别，并将识别的结果与所述步骤S204中的车长信息表进行匹配，获取车辆的长度信息。

另一方面，本发明还提供了一种车辆长度计算装置，所述装置包括：

数据集构建模块，设置为构建一图片数据集，并将其所述图片数据集分为训练集与测试集；

标注模块，设置为调用一图片标注工具对所述图片数据集中的图片进行标注，得到对应的标注结果，将该标注结果与该图片分别存放到不同的文件夹中，从而构建出标注数据集；