[发明专利]一种基于深度学习技术的改装货车识别方法

说明书

本发明提供了一种基于深度学习技术的改装货车识别方法，此方法通过搜集大量改装车的图片数据，基于深度学习技术和利用卷积神经网络技术，提取改装货车与正常货车的细微差异和特征，实现了对改装货车的有效识别。本发明的有益效果在于：本发明的方法通过机器对道路上的货车进行识别，人工只需核验最终结果，大大降低了工作量，提高了监测效率，有效的保障了道路安全；本发明的方法基于深度学习技术，可以更新迭代，以适应实际道路情况；本发明的方法利用卷积神经网络技术提取改装货车与正常货车的细微差异特征，实现了端到端的识别改装货车，降低了对设备的要求，同时也提高了识别效率和能力。

技术领域

本发明属于图像识别技术领域，涉及一种改装货车识别方法，具体涉及一种基于深度学习技术的改装货车识别方法。

背景技术

随着运输成本的提高，越来越多的货运司机为了增加收益对货车进行改装，使货车能装载更多的货物。但是货车超限超载是十分危险的行为，超限超载车辆长期处于超负荷运转状态，使得车辆制动、操作等安全性能显著降低，极易发生爆胎、刹车失灵、钢板弹簧折断、半轴断裂等险情，给交通安全带来严重隐患。据统计，载重货车道路交通事故中有80%以上是由于超限超载运输引起。

从另一方面来说，超限超载车辆的荷载远超一般公路和桥梁的设计承受荷载，其频繁行驶于公路和桥梁，会造成路面损坏、桥梁断裂，大幅缩短公路正常使用年限。而只有保证了城市道路、桥梁安全，才能保障城市道路交通所有参与人员的生命安全。城市公共交通安全得来不易，不能有丝毫的苟且懈怠，依法进一步加强违法超限超载治理刻不容缓。

目前，城市道路交通管理越来越智能化，可对路况进行实时监控，发现交通事故处理快，但是如何有效快速的识别出改装车辆，预防交通事故的发生，保证城市道路安全亟待解决。

发明内容

为了弥补现有技术的不足，本发明提供了一种基于深度学习技术的改装货车识别方法，此方法通过搜集大量改装车的图片数据，并基于深度学习技术，提取改装货车与正常货车的细微差异和特征，实现了有效识别改装货车的目的。

本发明提供了一种基于深度学习技术的改装货车识别方法，该方法包括以下步骤：

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；

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。

进一步的，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。

进一步的，步骤S5中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域，其中所述C的取值为3和5；