[发明专利]基于SSD神经网络的违章停车车辆实时检测方法

摘要

本发明公开了一种基于SSD神经网络的违章停车车辆实时检测方法，主要解决现有技术在道路复杂、天气光照多变的情况下检测准确率低和鲁棒性弱的问题。其实现方案是：1.拍摄若干不同场景和天气下的车辆行驶视频，构建训练数据集；2.通过K‑Means聚类算法对数据集中车辆的长宽比进行聚类；3.利用聚类结果优化SSD网络模型，并进行训练；4.设定禁止停车区域，用训练好的网络模型对车辆进行检测，将识别到的车辆使用追踪算法进行追踪，获得车辆的运动状态，在设定时间阈值内保持静止的车辆判断为违章停车车辆。本发明不仅提高了检测的准确率，而且增强了鲁棒性，可用于各种复杂场景和不同天气状况下违章停车车辆的检测。

主权项

1.基于SSD神经网络的违章停车车辆实时检测方法，包括如下步骤：1)构建训练数据集：1a)采集若干个不同场景、不同拍摄角度、不同光照变化和天气情况下的车辆行驶视频，将这些视频每隔25帧保存成一张图片；1b)在每张图片上划定感兴趣区域，并对感兴趣区域内的车辆进行标注，再将标注车辆的坐标、宽高以及类别信息存入到txt格式的标签文件中；1c)合并所有标签文件，并将文件的txt格式转换为xml格式，获得与训练图像相对应的车辆类别以及位置信息的标签文件，即训练数据集；2)通过K‑Means聚类获得车辆宽高比的K个聚类中心：2a)使用MATLAB函数importdata()读入1b)生成的txt格式的标签文件，获取标注车辆的坐标、宽高以及类别信息，将所有标注车辆的宽和高存成一个二维矩阵X，其中矩阵的列代表车辆的宽高，矩阵的行代表不同的标注车辆；2b)使用MATLAB函数Kmeans()对二维矩阵X进行K‑Means聚类，得到K个聚类的车辆宽高，用聚类后的宽除以高得到K个宽高比的聚类中心；3)使用2b)得到的车辆聚类宽高比，对SSD网络模型进行优化，得到优化后的SSD网络模型；4)利用优化后的SSD网络模型和跟踪算法进行违章停车检测：4a)读取视频，得到视频流，并在视频图像中设定禁止停车区域；4b)从视频流中取第1帧图像，使用优化后的SSD网络模型对图像中禁停区域内的行驶车辆进行检测，获取车辆的位置信息；4c)取视频流中第2～25帧图像，对4b)获取的目标车辆，调用Opencv函数matchTemplate()使用模板匹配算法进行追踪，得到目标车辆的运动状态和位置信息；4d)设定交叠率阈值U＝0.6，重复4b)，根据本次SSD检测到的车辆位置与4c)跟踪结束后的车辆位置，计算交叠率u，将交叠率与交叠率阈值进行比较：若u>U，则将本次SSD检测出的目标车辆与追踪后的目标车辆判断为同一辆车，若u≤U，则判断本次SSD检测出的目标车辆为新进入禁止停车区域的车辆；4e)重复4c)‑4d)，直到视频流结束，得到车辆的运动轨迹，将在设定时间阈值内保持静止的车辆判断为违章停车车辆。