[发明专利]一种基于卷积神经网络识别绿通车车辆轴型的方法

摘要

一种基于卷积神经网络识别绿通车车辆轴型的方法，包括以下步骤：步骤1，获取绿通车图像；步骤2，制定绿通车图像有效性判定标准；步骤3，采用数据增强的方法增加训练样本的数量；步骤4，数据增强后，使用目标检测算法YOLOv2框架进行整轴检测；步骤5，根据车辆轴组类型和轮组类型将车辆轴型进行分类；步骤6，分别使用AlexNet、VGG‑16、ResNet‑152三种卷积神经网络在训练集上对车轴类型分类进行训练；步骤7，对需要识别的绿通车车辆轴型进行判定。本发明以实现绿通车车辆轴型准确识别为目标，将目标检测算法、非均衡数据集处理等与卷积神经网络模型相结合，使用判定标准挑选的图像可作为后续分类识别实验卷积神经网络模型的训练样本，避免训练样本水平过差问题。

主权项

1.一种基于卷积神经网络识别绿通车车辆轴型的方法，其特征在于，包括以下步骤：/n步骤1，获取绿通车图像；/n步骤2，通过图像质量评价方法中的相对评价法制定绿通车图像有效性判定标准，通过绿通车图像有效性判定标准挑选的图像作为后续分类识别实验卷积神经网络模型的训练样本；/n步骤3，采用人工合成少数类样本对图像分类中的非均衡数据进行训练，采用数据增强的方法增加训练样本的数量；/n步骤4，数据增强后，使用目标检测算法YOLOv2框架进行整轴检测，将车辆的轴组作为整体目标进行检测识别；/n步骤5，在基于车厢长度的基础上，根据车辆轴组类型和轮组类型将车辆轴型进行分类，将绿通车车辆按车轴数量及车轴位置分为8类；前述所得车轴部位图像，作为卷积神经网络分类的训练数据，80％用于网络训练图像，20％用于测试分类准确率；/n步骤6，分别使用AlexNet、VGG-16、ResNet-152三种卷积神经网络在训练集上对车轴类型分类进行训练；/n步骤7，检测训练好的AlexNet、VGG-16、ResNet-152三种卷积神经网络，在测试集上运行三种网络，进行分类测试，得到三种网络分别的平均准确率和过拟合比，依据平均准确率和过拟合比判定训练好的神经网络，选用准确率最高的网络，对需要识别的绿通车车辆轴型进行判定。/n