[发明专利]一种基于卷积神经网络的车辆前方目标识别方法在审
| 申请号： | 201710821353.1 | 申请日： | 2017-09-13 |
| 公开（公告）号： | CN107633220A | 公开（公告）日： | 2018-01-26 |
| 发明（设计）人： | 杨正才;高镇海;胡宏宇;何磊;吕科 | 申请（专利权）人： | 吉林大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 长春吉大专利代理有限责任公司22201 | 代理人： | 杜森垚 |
| 地址： | 130012 吉*** | 国省代码： | 吉林;22 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的车辆前方目标识别方法，其实现步骤为1.获取大量车辆交通相关图像作为样本，对收集的图像进行左右镜像化变换，扩充数据集并制作标签；2.将每个彩色图像进行色彩通道的合并，制作灰度化的训练数据集和测试数据集；3.在MATLAB平台搭建卷积神经网络模型；4.将训练数据集输入到卷积神经网络中，得到训练好的卷积神经网络；5.将测试数据集输入到训练好的卷积神经网络中，可得到识别率。本发明能够检测出单目摄像头所摄画面中的车辆和行人，具有识别率高的特点，实现了对不同类型的车辆前方障碍物进行分类的功能。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 车辆 前方 目标 识别 方法 | ||
【主权项】：
一种基于卷积神经网络的车辆前方目标识别方法，其特征在于，包括以下步骤：步骤一、从公开数据集中收集大量图像，分为原始训练样本和原始测试样本并分别制作分类标签；对原始训练样本和原始测试样本进行样本扩充和灰度化处理；步骤二、搭建基于MATLAB平台的卷积神经网络结构，其由两层卷积层、两层池化层和三层全连接层构成；步骤三、将扩充后的训练样本输入搭建好的卷积神经网络结构中进行训练，得到训练好的卷积神经网络；步骤四、将扩充后的测试样本输入到训练好的卷积神经网络中，得到特征向量，再将特征向量输入到分类器进行分类，根据测试样本的类别标签与分类器的输出结果得出网络识别率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于吉林大学，未经吉林大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710821353.1/，转载请声明来源钻瓜专利网。
- 上一篇：一体化光学字符识别方法和系统
- 下一篇：一种基于机器视觉的鱼类行为量化系统
