[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

说明书

基于图像分类与图像对比的公路车辆异常检测方法，解决现有对改装和夹带检测难的问题，属于公路车辆检测领域。本发明包括：S1、用线阵相机采集公路车辆底盘图像；S2、将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，判断图像中的底盘是否属于已知分类，如果属于已知分类，将图像与属于的类别底盘的模板图像进行对比，若存在异常区域，则进行报警提示；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，通过人工检测确定公路车辆底盘图是否存在改装或夹带，如无改装或夹带，将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。

技术领域

本发明涉及一种基于图像分类与图像对比对公路车辆底盘异常检测的方法，属于公路车辆检测领域。

背景技术

随着经济的发展，公路得到不断的建设，汽车的普及率也越来越高，造成公路的交通管理负担加重，因而迫切需要对公路中行驶的车辆的安全进行检测。

用图像自动检测代替人工车辆安全检测，能够提高车辆安检效率，排除人为因素干扰，降低人力成本。但公路车辆种类众多结构差异较大，每年都会有新的车型，并且改装和夹带图像不易获得，而直接对改装和夹带进行检测有一定困难。

发明内容

针对现有对改装和夹带检测难的问题，本发明提供一种基于图像分类与图像对比的公路车辆异常检测方法。

本发明的一种基于图像分类与图像对比的公路车辆异常检测方法，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；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。

作为优选，S2中，编码网络采用Inception-ResNet-v2网络实现。

作为优选，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。

作为优选，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编码向量，存储到数据库中。

作为优选，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。

作为优选，S2中，与数据库中已知底盘类别的向量比较，判断公路车辆底盘图像中的底盘是否属于已知分类的方法为：

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