[发明专利]基于yolov5与BCNN的车辆朝向识别方法及系统

权利要求书

1.一种基于yolov5与BCNN的车辆朝向识别方法，其特征在于，包括如下步骤：

采集监测场景数据形成车辆检测数据集，按比例将所述车辆检测数据集分为训练集和测试集，对训练集图片中的车辆位置进行标注；

基于yolov5算法构建车辆检测模型，采用标注好的训练集对车辆检测模型进行训练，利用训练完成的车辆检测模型对测试集进行识别，输出得到测试集图片中的车辆位置信息；

根据车辆位置信息将车辆区域从原图中裁剪下来，并按照车辆朝向属性对车辆数据进行标注和分开存放，形成车辆朝向数据集；

基于BCNN算法构建车辆朝向识别模型，采用标注好的车辆朝向数据集对车辆朝向识别模型进行训练；

利用训练好的车辆检测模型和车辆朝向识别模型依次对输入的监测场景数据中的图像进行预测，输出车辆朝向的类别。

2.根据权利要求1所述一种基于yolov5与BCNN的车辆朝向识别方法，其特征在于，所述采集监测场景数据形成车辆检测数据集，具体包括：提取监测场景数据中具有运动前景的图像进行保存，形成车辆检测数据集。

3.根据权利要求1所述一种基于yolov5与BCNN的车辆朝向识别方法，其特征在于，所述车辆检测模型的损失计算方法如下：

根据输出的车辆位置信息形成预测框，根据预测框之间的重合比例和置信度信息对预测框进行非极大值抑制操作，得到预测框的最终预测坐标信息；

根据预测框的最终预测坐标信息与标注框标注的坐标信息计算得到预测框与标注框之间的GloU损失。

4.根据权利要求1所述一种基于yolov5与BCNN的车辆朝向识别方法，其特征在于，在采用标注好的车辆朝向数据集对车辆朝向识别模型进行训练之前，需要对车辆朝向数据集进行增强处理。

5.根据权利要求4所述一种基于yolov5与BCNN的车辆朝向识别方法，其特征在于，在对车辆朝向数据集进行增强处理之前，在对图像进行增强之前先在输入图像的左上角和右上角各填充一个黑色的矩形区域，左上角矩形区域的左上角点与输入图像的左上角点重合，左上角矩形区域的左边和上边与输入图像的左边和上边重合，右上角矩形区域的右上角点与输入图像的右上角点重合，右上角矩形区域的右边和上边与输入图像的右边和上边重合。

6.根据权利要求4所述一种基于yolov5与BCNN的车辆朝向识别方法，其特征在于，所述增强处理包括对数据进行中心裁剪处理、添加随机噪声处理、水平翻转处理以及在±30°之间进行随机旋转处理。

7.根据权利要求6所述一种基于yolov5与BCNN的车辆朝向识别方法，其特征在于，对每张添加黑色区域的图像进行所述四种增强处理，然后再随机选取其中的三种增强处理对每张添加黑色区域的图像进行叠加增强，形成最终增强的车辆朝向数据集。

8.一种基于yolov5与BCNN的车辆朝向识别系统，其特征在于，包括如下功能模块：

数据制作模块，用于采集监测场景数据形成车辆检测数据集，按比例将所述车辆检测数据集分为训练集和测试集，对训练集图片中的车辆位置进行标注；

车辆位置识别模块，用于基于yolov5算法构建车辆检测模型，采用标注好的训练集对车辆检测模型进行训练，利用训练完成的车辆检测模型对测试集进行识别，输出得到测试集图片中的车辆位置信息；

朝向数据处理模块，用于根据车辆位置信息将车辆区域从原图中裁剪下来，并按照车辆朝向属性对车辆数据进行标注和分开存放，形成车辆朝向数据集；

朝向模型训练模块，用于基于BCNN算法构建车辆朝向识别模型，采用标注好的车辆朝向数据集对车辆朝向识别模型进行训练；

车辆朝向识别模块，用于利用训练好的车辆检测模型和车辆朝向识别模型依次对输入的监测场景数据中的图像进行预测，输出车辆朝向的类别。