[发明专利]基于图像分类与图像对比的公路车辆异常检测方法

权利要求书

1.基于图像分类与图像对比的公路车辆异常检测方法，其特征在于，所述方法包括：

S1、用线阵相机采集公路车辆底盘图像；

S2、通过编码网络将所述公路车辆底盘图像编码为向量，与数据库中已知底盘类别的向量比较，判断所述公路车辆底盘图像中的底盘是否属于已知分类，如果属于已知分类，将公路车辆底盘图像与属于的类别底盘的模板图像进行对比，以确定公路车辆底盘图像是否存在异常区域，若存在异常区域，则进行报警提示；所述数据库中存储有已知车辆底盘类别的向量及每个类别的模板图像；

如果不属于已知分类，通过人工检测确定所述公路车辆底盘图像是否存在改装或夹带，如无改装或夹带，将所述公路车辆底盘图像的向量作为新的类别加入数据库，同时存储该公路车辆底盘图像作为新的类别的模板图像。

2.根据权利要求1所述的基于图像分类与图像对比的公路车辆异常检测方法，其特征在于，所述S2中，所述编码网络采用Inception-ResNet-v2网络实现。

3.根据权利要求2所述的基于图像分类与图像对比的公路车辆异常检测方法，其特征在于，所述编码网络的训练方法包括：

S21、用线阵相机采集车辆底盘图像，建立分类训练集；

S22、对Inception-ResNet-v2网络的全连接层进行调整，使其与分类训练集中图像尺寸相对应，用深度学习框架pytorch搭建Inception-ResNet-v2网络，用分类训练集和损失函数arcface loss对搭建的Inception-ResNet-v2网络进行训练。

4.根据权利要求3所述的基于图像分类与图像对比的公路车辆异常检测方法，其特征在于，在每个类别的车辆底盘图像中随机选择一张图像作为该类别的模板图像，将模板图像输入到训练后的编码网络得到该类别的向量，存储到数据库中。

5.根据权利要求3所述的基于图像分类与图像对比的公路车辆异常检测方法，其特征在于，所述S21，包括：

利用线阵相机采集车辆底盘图像，构建分割训练集，标注分割训练集的各图像中底盘的位置，将底盘视为前景，其他位置视为背景，用标注的图像训练U2-net网络，训练后的U2-net网络用来区分图像中的背景与前景，得到车辆底盘部分，作为分类训练集。

6.根据权利要求5所述的基于图像分类与图像对比的公路车辆异常检测方法，其特征在于，所述S2中，与数据库中已知底盘类别的向量比较，判断所述公路车辆底盘图像中的底盘是否属于已知分类的方法为：

确定与所述公路车辆底盘图像的向量距离最近的类别的向量，如果公路车辆底盘图像的向量与所述最近的类别的向量距离小于类别设定阈值，所述公路车辆底盘图像属于最近的类别的向量对应的类别，否则，公路车辆底盘图像不属于任何类别。

7.根据权利要求1所述的基于图像分类与图像对比的公路车辆异常检测方法，其特征在于，所述S2中，将公路车辆底盘图像与属于的类别底盘的模板图像进行对比的方法包括：

利用改进的faster-rcnn-resnet50网络对比公路车辆底盘图像与属于的类别底盘的模板图像；

所述改进的faster-rcnn-resnet50网络在faster-rcnn-resnet50网络的基础上做出修改：输入图像包括两张图像，分类类别包括异常区域和非异常区域，分类损失函数变为对比损失函数；

所述利用改进的faster-rcnn-resnet50网络对比公路车辆底盘图像与属于的类别底盘的模板图像的方法为：

输入到改进的faster-rcnn-resnet50网络两张图像，分别为待检测图像与模板图像；改进的faster-rcnn-resnet50网络对比两张图像中的分类框对应向量的距离，如果向量的距离大于差异设定阈值，则确定在待检测图像中分类框位置为异常区域。