[发明专利]包含特定背景图像的车辆目标图像数据库建立方法

摘要

本发明包含特定背景图像的车辆目标图像数据库建立方法的技术方案，涉及道路车辆的交通控制系统，先采集制作特定背景图像，后制作只包含单一车辆图像的车辆目标图像，再将只包含单一车辆的车辆目标图像嵌入到特定背景图像中形成包含特定背景图像的车辆目标图像，重复上述步骤，制备出满足深度学习神经网络对图像数据库的需求并使用深度学习神经网络进行验证的包含特定背景图像的车辆目标图像数据库，克服了现有技术中，存在于不同光照及天气条件下多个时段内进行摄录视频及拍照图像采集车辆目标图像样本，再经过裁剪和左右镜像化变换所制备的车辆目标图像数据库，不能适应不同背景和车辆车型的不断增加和更新，制作费用高且时间长的缺陷。

主权项

1.包含特定背景图像的车辆目标图像数据库建立方法，其特征在于：所制备的包含特定背景图像的车辆目标图像数据库要使用深度学习神经网络进行验证，具体步骤如下：第一步，采集制作特定背景图像：通过拍照或网络下载方法，采集制作特定背景图像，所采集制作特定背景图像要求如下：(1.1)特定背景图像中所包含的图像内容：特定背景图像中所包含的图像内容为，车道图像加树木图像、建筑物图像、山脉图像和路标图像中的1～4种；(1.2)特定背景图像的像素点大小：特定背景图像像素点大小为N像素×M像素，即纵向为N像素，横向为M像素，特定背景图像像素点≥被背景图像所包含的待制备的车辆目标图像像素点；(1.3)计算特定背景图像下底边单位像素表示的实际宽度：设定标准车道的宽度为L米，根据特定背景图像下底边中车道所占有I像素，用如下公式(1)计算出特定背景图像的下底边用单位像素表示的实际宽度R，上述公式(1)中，R的单位为米/像素；第二步，制作只包含单一车辆图像的车辆目标图像：通过拍照或网络下载方法，采集并制作只包含单一车辆图像的车辆目标图像，该只包含单一车辆图像的车辆目标图像的要求如下：(2.1)采集单一目标车辆的正面图像；(2.2)按照所采集制作车辆目标图像的车辆的大小及形状，分成不同车型；(2.3)当拍照或网络下载的车辆目标图像中包含相应的原始背景图像时，通过图像处理软件将该原始背景图像删除，这样在采集和变换的车辆目标图像中只包含单一目标车辆图像，该车辆目标图像中的车辆宽度为J像素，采集车辆目标图像中的车辆宽度像素J要大于0.9倍的特定背景图像下底边中车道所占有I像素；(2.4)计算车辆宽度对应像素点：根据上述(2.2)步中所述的不同车型，测定其宽度为W米，用如下公式(2)计算相应该车型横向对应上述第一步采集制作的特定背景图像的像素D，公式(2)中，fix()表示取整；第三步，将只包含单一车辆图像的车辆目标图像嵌入特定背景图像中：将上述第二步制作的只包含单一车辆图像的车辆目标图像嵌入上述第一步采集制作的特定背景图像中，具体操作方法如下：(3.1)调整车辆目标图像的大小：用如下公式(3)分别计算上述第二步制作的只包含单一车辆图像的车辆目标图像横向和纵向的调整系数E，依据调整系数E的数值来调整车辆目标图像的大小，调整大小后的车辆目标图像用于下一步的车辆目标图像嵌入特定背景图像中；(3.2)将只包含单一车辆图像的车辆目标图像嵌入采集制作的特定背景图像中：在上述第一步采集制作的特定背景图像中显示的车道图像中心位置附近，嵌入上述(3.1)步已经调整大小的车辆目标图像，该车辆目标图像放置在上述第一步采集制作的特定背景图像下底边以上的位置，该车辆目标图像前轮着地，轮胎占据在上述第一步采集制作的特定背景图像中的车道位置，该车辆目标图像是不透明的；(3.3)依据上述第一步采集制作的特定背景图像中车道的大小确定该特定背景图像宽度像素表示的实际宽度，结合目标车辆宽度确定该车辆目标图像占据特定背景图像中横向像素的数量；(3.4)调整只包含单一车辆图像的车辆目标图像像素点的数量，要保持该车辆目标图像的横向与纵向同样比例变化，只改变该车辆目标图像的大小，车辆形状保持不变；由此制成包含特定背景图像的单一车辆图像的车辆目标图像；第四步，制作包含特定背景图像的车辆目标图像数据库：重复上述第二步至第三步的步骤，对于所有的不同车型均制备包含特定背景图像的单一车辆图像的车辆目标图像数据库，制备的不同车型的包含特定背景图像的单一车辆图像的车辆目标图像均≥100张，由此完成制作包含特定背景图像的车辆目标图像数据库，以满足深度学习神经网络对图像数据库的需求；第五步，用深度学习神经网络对制备的包含特定背景图像的车辆目标图像数据库进行验证：对上述第四步制作的包含特定背景图像的不同车型的单一车辆图像的车辆目标图像数据库，进一步变换包含特定背景图像的车辆目标图像的大小，作为深度学习神经网络输入，验证深度学习神经网络对制备可变背景车辆目标图像数据库的识别能力；至此，完成包含特定背景图像的车辆目标图像数据库建立。