[发明专利]基于多特征融合级联深度模型的车辆违停检测方法

摘要

本发明公开了一种基于多特征融合级联深度模型的车辆违停检测方法，包括：首先使用交通路口的监控摄像头采集违停车辆照片，对图像处理得到训练集；然后通过VGG神经网络得到卷积层的网络参数，输入多次筛选的级联RPN网络高精度提取模型推荐框(可能存在物体的区域)；接下来，将检测结果输出到联合神经网络中进行训练得到识别结果；最终，根据预设的电子围栏判断车辆是否在违停区域内来判断是否违停。该方法克服了已有的车辆检测方法适应性不足，实时性不佳，漏判误判率较高且无法针对车辆局部信息进行识别的缺点。

主权项

1.一种基于多特征融合级联深度模型的车辆违停检测方法，包括以下步骤：(1)从监控视频中截取视频帧，对获得的帧图像打上车辆标签形成训练样本，构建训练集；(2)构建网络模型，该模型包括VGG‑16网络、改进的RPN网络以及联合神经网络，其中，VGG‑16网络用于提取输入图像的初始特征，改进的RPN网络的输入连接于VGG‑16的输出，通过设定的多个层级检测阈值对获得前景识别边框进行层级筛选，获得最终前景识别边框和前景特征图，联合神经网络的输入与联合神经网络的输出相连，用于提取前景特征的局部特征和全局特征，并分别计算局部特征和全局特征的损失值，将两个损失值之和作为总的损失值；(3)利用训练集对步骤(2)中构建的网络模型进行训练，直到训练结束，确定网络模型的参数，即获得车辆识别模型；(4)将待测图像输入至车辆识别模型中，经计算获得待测图像中的车辆；(5)根据预先划定的电子围栏，判断步骤(4)中识别的车辆是否在电子围栏区域内，从而确定是否违停。