[发明专利]一种基于深度学习技术的改装货车识别方法

权利要求书

1.一种基于深度学习技术的改装货车识别方法，其特征在于，所述方法包括以下步骤：

S1：从道路交通电子监控设备中提取监控图片；

S2：对所述监控图片中的车辆按照货车、功能车、车尾三类进行标注，形成数据集；其中所述功能车包括渣土车、危化品运输车；

S3：将步骤S2中通过标注得到的所述数据集输入到RefineDet目标检测算法中，训练得到一个目标检测模型；所述目标检测模型用于从监控图片中检测出货车区域；

S4：利用所述目标检测模型对所述监控图片进行检测获得货车区域，并将所述货车区域从所述监控图片中切出来；之后将切出的货车区域按照正常货车和改装货车进行分类，获得分类货车数据；

S5：使用所述分类货车数据，训练一个只有两个分类的细粒度分类模型；所述细粒度分类模型用于识别改装货车；所述细粒度分类模型的训练过程如下：

S5-1：对整个货车区域做卷积运算，提取货车的整体特征，获得卷积层；

S5-2：从所述卷积层中选取一个高层的卷积，训练一个C x 1 x 1的卷积核，用于检测某些具有判别力的局部区域，其中所述C的取值为3和5；

S5-3：将检测到的所述局部区域输入分类网络中提取局部特征，再对所述局部特征进行多尺度的特征融合，提高所述局部特征的表达能力；

S5-4：在所述局部特征中加入监督信息，将正常货车和改装货车作为分类标签，隐式的赋予算法类别判定；

S5-5：将所述局部特征和所述整体特征进行按点逐位相加Point-wise addition得到融合特征向量，根据所述融合特征向量进行分类；当特征向量v₁和特征向量v₂是相同维度时，按照所述按点逐位相加Point-wise addition的数学表达：特征向量 v₁∈Rⁿ，v₂ ∈Rⁿ，融合特征向量v= v₁+v₂,v={x_i∣x_i=v₁[i]+v₂[i],i=1,⋯,n}；当特征向量v₁和特征向量v₂是不同维度时，则通过线性变换v_n=W_v∈Rⁿ，其中W∈n×m, v∈Rⁿ，转换成相同维度向量后，计算融合特征向量v；

S6：将所述细粒度分类模型用于识别改装货车，如果识别结果为改装货车时，则生成预警信息，通知监管人员；否则，收集识别错误数据，识别结束。

2.根据权利要求1所述的一种基于深度学习技术的改装货车识别方法，其特征在于：所述RefineDet目标检测算法是基于SSD算法的改进，通过两步级联回归策略来回归目标的位置和大小。

3.根据权利要求1所述的一种基于深度学习技术的改装货车识别方法，其特征在于：步骤S5-2中所述局部区域为货车车头与车厢连接部位。

4.根据权利要求1所述的一种基于深度学习技术的改装货车识别方法，其特征在于：步骤S6中所述细粒度分类模型用于识别改装货车的具体过程包括以下步骤：

S6-1：对所述货车的整体区域进行全局特征的提取，并检测出车头与车厢连接部分以及车厢高出部分的具有判别力的局部区域；

S6-2：将检测到的所述局部区域，输入到细粒度分类模型，提取货车的局部特征；

S6-3：将局部特征和货车的整体特征进行联合处理，作为最后分类的依据。