[发明专利]一种采用AI技术判断移动车辆与人形方法

说明书

本发明公开一种采用AI技术判断移动车辆与人形方法，在采集、监控并识别视频图像中的移动车辆与人形，所需要的技术主要为AI，用户需要在被监控和识别区域安装一个或多个视角合理，无强光直射，物体遮挡或其它干扰因素的摄像头，摄像头通过网络与搭载了AI图像识别软件的计算机相连接。摄像头采集的图像信息将被传输到计算机，AI图像识别软件识别图像上的车辆和人形并且在图像上标注出来，显示在屏幕上，如果是预先将信息录入系统的车辆或人员，那么还会标注识别信息，本发明解决了视频监控无法识别车辆和人员，或者需要其它设备辅助才能识别的问题，具有进步性，同时具有识别效率高，准确性高的特点。

【技术领域】

本发明涉及AI技术领域，具体涉及一种采用AI技术判断移动车辆与人形方法。

【背景技术】

我国的公路交通系统早在十多年前就开始在主干道十字路口安装“电子眼”，用来抓拍闯红灯的违章车辆。因为“电子眼”本身只能采集影像，它并不知道具体的抓拍时机，所以需要其他辅助手段来触发，例如在L形杆上安装雷达，在路面下预埋线圈等，这种方式需要多个设备相互配合，复杂且运营维护成本比较高。

【发明内容】

为解决上述问题，提出了体验更好的一种采用AI技术判断移动车辆与人形方法及其实施方法；

一种采用AI技术判断移动车辆与人形方法，其特征在于，其判断步骤如下：

S1，收集样本：收集不同的移动车辆与人形数据样本；

S2，标注样本：对不同的样本中的移动车辆进行标注；

S3，进行AI学习：根据所标注的样本对提出的densext网络进行训练建立基本数据模型，对特定移动车辆和/或人形，进行特殊标记并录入相关信息，建立特殊数据模型；

S4，判断预备：检测设备通过高清相机获取所需判断的图像信息，以视频流的方式上传到AI处理系统中，系统通过学习好的数据模型自动将新采集到的图像进行差值分析，在完整的图像中选择出车辆和/或人形的局部部分，并将此局部部分标记为动态窗口；

S5，densext判断：将所有的动态窗口放入densext网络中，densext网络根据学习好的数据模型进行判断，并对其所判断出来的车辆和/或人形用框标注出来，如若同时识别多个目标使用不同颜色的框进行标注；

S6，结果导出：densext网络再进行判断，为进行特殊标记并录入相关信息的，在所标注的框内显示相关的录入信息后，将结果导出显示在显示设备上，反之，为未特殊标记的，则直接导出显示在显示设备上。

进一步地、所述差值分析为对图像进行相邻帧的插值，所获得的不同部分进行阈值筛选，同时对整个图像进行频谱分析，排除光线等客观因素的干扰，随后提取出移动部分进行padding补0。

进一步地、所述densext网络采用的densext算法为介于普通卷积核深度可分离卷积的策略：分组卷积，通过控制分组的数量即基数、来达到两种策略的平衡，在主干网络上，选用尺寸为1*1和3*3的多尺度卷积核，同时采用densenet密集连接的思想来保证全面丰富的提取特征，在Stem瓶颈层上，采用7*7的卷积核和Maxpoolling来迅速的降低特征的通道数，从而保证整体的算法性能，最终，通过输入224*224*3的图像得到判别的类别即、车俩、行人或其他。

进一步地、所述基本数据模型是densext网络针对移动车辆和/或人形的一个基本判断所训练的，是用于全部识别车辆和/或人形。

进一步地、所述特殊数据模型是针对特殊对象的移动车辆和/或人形所训练的，其对所指定的特殊对象进行特殊标记并录入相关信息，用于识别依据特殊标志的车辆和/或人形。