[发明专利]一种基于深度学习的车辆检测方法

摘要

本发明公开了一种基于深度学习的车辆检测方法，特别是利用深度网络中的最后一个卷积层的特征图权值相加的方法实现对车辆的精确定位。属于计算机视觉技术领域。本发明首先利用车辆数据库训练深度学习网络，然后将待检测图片送入训练好的网络，经过一次前向传播得到该图片的类别信息，依据类别信息获得参数中权值最大的权重，与最后一层卷积层的特征图进行叠加，然后与待检测图片进行图像融合，最后实现车辆的准确定位，该算法具有较好的准确性以及适应性。有效解决了传统图像处理算法实现车辆检测时的环境干扰，光照影响，障碍物影响和准确率低等问题，可适用于不同场景下的车辆检测。

主权项

一种基于深度学习的车辆检测方法，其特征在于，包括以下步骤：步骤S1：将带有车辆品牌标注信息的车辆数据库进行去均值处理，选取ImageNet数据库训练好的深度学习模型作为基本网络模型，在基本网络模型的基础上用去均值的车辆数据库采取微调的方式训练网络，得到最终用于车辆检测的深度学习网络；步骤S2：将待检测图像缩放到固定尺寸，并对待检测图像进行去均值处理，得到去均值的待检测图像；步骤S3：将去均值的待检测图像送入深度学习网络中，经过卷积层、池化层、全连接层得到最大分类概率，依据最大分类概率得到对应的全连接层的权值；步骤S4：将去均值的待检测图像输入到深度学习网络，在最后一层卷积层得到特征图结果，对特征图与步骤S3得到的权值进行叠加，将叠加后的多张特征图结果进行像素值相加，并进行归一化操作，得到最终的特征图结果；步骤S5：将得到的最终的特征图结果与原始的待检测图像进行图像融合，依据图像处理中的自适应阈值选取，设定图像阈值找到融合后的图像的像素值较大的区域，即最大响应区域，然后依据轮廓查找找到响应最大区域的外接矩形，实现车辆的精确定位和检测。