[发明专利]利用神经网络实现车型分类的方法和系统

权利要求书

1.一种利用神经网络实现车型分类的方法，其特征在于：包括如下步骤：

A、搜集若干张训练样本，利用卷积神经网络对所述训练样本进行分类，得到包含标签结果的分类器；

B、在对车型进行分类时，读入待测视频图像，检测图像中的运动目标，根据运动目标对图像进行分块处理；再使用所述分类器对每块图像进行分类处理得出检测结果。

2.根据权利要求1所述的利用神经网络实现车型分类的方法，其特征在于，所述步骤B包括：

B1、读入视频图像，当检测到有运动物体的时候，提取出运动物体区域；

B2、采用固定大小的块对该运动物体区域进行分块处理；

B3、利用卷积神经网络进行分类得到分类结果。

3.根据权利要求2所述的利用神经网络实现车型分类的方法，其特征在于，所述步骤B2中具体包括：

用n*n大小的块对运动物体区域进行分块处理，然后依次移动一个像素，得到若干图片，再对所述若干图片进行缩放，转换为像素值为32*32大小的图片；其中，n为自然数，其取值范围在50--70之间。

4.根据权利要求2所述的利用神经网络实现车型分类的方法，其特征在于：所述步骤B中分类结果包括：用于表示轿车的第一类分类结果、用于表示客车的第二类分类结果、用于表示卡车的第三类分类结果、用于表示越野车的第四类分类结果和用于表示非车辆的第五类分类结果。

5.根据权利要求1所述的利用神经网络实现车型分类的方法，其特征在于：所述步骤A包括：

A1、采用固定大小的卷积核去感知输入图像中的每一个神经元、并对每个神经元进行第一加偏置处理，得到第一卷积层；

A2、将第一卷积层的神经元分组，对每组神经元分别求和，并对求和后的神经元进行第一加权、第二加偏置处理后，使用sigmoid函数作为卷积网络的激活函数，得到第一特征映射图，即第一下采样层；

A3、对第一特征映射图进行卷积处理获取第二卷积层；

A4、将第二卷积层的神经元分组，对每组神经元分别求和，并对求和后的神经元进行第二加权、第三加偏置处理后，使用sigmoid激活函数求域值，得到第二特征映射图S_x+1，即第二下采样层；

A5、将第二特征映射图中的每个神经元与输入图像中的神经元连接形成神经网络输出。

6.根据权利要求5所述的利用神经网络实现车型分类的方法，其特征在于：所述步骤A1包括：

A11、采用可训练的滤波器f_x卷积一个输入的图像得到卷积特征map；

A12、将卷积特征map加一个偏置b_x，得到第一卷积层C_x。

7.根据权利要求5所述的利用神经网络实现车型分类的方法，其特征在于：所述步骤A2包括：

A21、对第一卷积层中每邻域四个像素求和变为一个像素得到标量W_x+1；

A22、对标量W_x+1加权、增加偏置b_x+1处理；

A23、使用sigmoid函数作为卷积网络的激活函数，得到缩小四倍的第一特征映射图S_x+1。

8.一种利用神经网络实现车型分类的系统，其特征在于：包括：

处理单元，用于搜集若干张训练样本，利用卷积神经网络对所述训练样本进行分类，得到包含标签结果的分类器；

输出单元，用于在对车型进行分类时，读入待测视频图像、检测图像中的运动目标，根据运动目标对图像进行分块处理，并使用所述分类器对每块图像进行分类处理得出检测结果。

9.根据权利要求8所述的利用神经网络实现车型分类的系统，其特征在于，所述输出单元进一步包括：

提取子单元，用于读入视频图像，当检测到有运动物体的时候，提取出运动物体区域；

分块子单元，用于采用固定大小的块对该运动物体区域进行分块处理；

分类子单元，用于利用卷积神经网络进行分类得到分类结果。

10.根据权利要求9所述的利用神经网络实现车型分类的系统，其特征在于：所述输出单元中分类结果包括：用于表示轿车的第一类分类结果、用于表示客车的第二类分类结果、用于表示卡车的第三类分类结果、用于表示越野车的第四类分类结果和用于表示非车辆的第五类分类结果。