[发明专利]利用神经网络实现车型分类的方法和系统

说明书

技术领域

本发明涉及汽车分类技术领域，特别涉及利用神经网络实现车型分类的方法和系统。

背景技术

汽车类型分类是指按照不同的分类标准，将汽车分成不同汽车类型。由于存在各种各样的干扰，比如周边环境的复杂性，天气原因等等各类因素的干扰，导致车型分类成为一个比较复杂的研究问题。目前在车型分类技术方面的研究存在的主要问题是：检测精度不高、检测速度太慢，计算量太大等问题。例如：当有大量的车辆经过某一路段时，那么检测的难度加大，如果实时性慢的监控系统，将不能同时检测到所有的车辆类型，另外在天气比较恶劣的情况下，例如：大雨天气，下雪天，以及雾霾严重时，不能精确地将车型进行分类。

目前，中国汽车分类标准将汽车分类为8类：

1、载货汽车：微型货车——Ga<＝1.8t；轻型货车——1.8T；中型货车——6t；重型货车——Ga>14t。

2、越野汽车：轻型越野汽车——Ga<＝5t；中型越野汽车——5t<＝Ga<＝13t；重型越野汽车——13t；超重型越野汽车——Ga>24t。

3、自卸汽车:轻型自卸汽车——Ga<＝6t；中型自卸汽车——6t；重型自卸汽车——Ga>14t；矿用自卸汽车。

4、牵引车：半挂牵引汽车；全挂牵引汽车。

5、专用汽车:箱式汽车；罐式汽车；起重举升汽车；仓栅式汽车；特种结构汽车；专用自卸汽车。

6、客车：微型客车——L<＝3.5m；轻型客车——3.5m；中型客车——7m；大型客车——L>10m；特大型客车。

7、轿车：微型轿车——V<＝1L；普通级轿车——1L；中级轿车——1.6L；中高级轿车——2.5L；高级轿车——V>4L。

8、半挂车：轻型半挂车——Ga<＝7.1t；中型半挂车——7.1t；重型半挂车——19.5t；超重型半挂车——Ga>34t。

如此众多的车辆类型，如何对其进行有效快速且精准的分类，是一个长久的研究课题。由于车辆类型的多样性，使得车辆分类困难度比较大，加之周边环境的复杂性，存在大量的干扰，进一步提高了分类的复杂度。而在一些特定的场合，比如高速路上的监测、十字路口的监控等等，都需要实时快速的判断车辆时哪一种类型的车辆。

对于车型分类问题，长期以来，研究人员虽然提出了大量的车型分类，但在说明他们的检测方法的性能时，往往使用不同的车辆测试集，因此车辆检测方法的优劣评价缺乏一个统一的标准。对各种车辆检测方法作性能上的对比，无疑将会促进车辆检测技术的发展，然而，要达到这一目的就必须建立一套公认的标准。而实际上，由于车辆所处环境的复杂多变性，想要建立一个全面的、有效的车辆检测测试图像库是比较困难的。在对车辆检测性能进行评价的时候，引入四个指标：检测正确率(correct.rate)、错误报警率(false.alarm-rate)、检测速度(detectingspeed)以及鲁棒性(robustness)。

检测正确率，也即精度，就是被正确检测到的车辆数目除以原图像中包含的车辆数目。检测正确率越高，说明检测系统对车辆的接受能力越强。

检测速度，大部分应用领域需要在线实时地检测车辆，如车辆跟踪、可编程视频监控等。在检测率和误检率达到满意的前提下，检测速度越快越好。目前，车辆检测技术还不十分成熟，影响车辆检测结果的不确定因素很多，比如说姿态的交化以及背景情况等等。虽然这些因素对于人类的视觉系统并不构成太大的障碍，但是对现有的车辆检测系统就提出了一定的挑战，因为对于车辆检测系统来说，它只能在一定的限制条件下才能取得较好的检测效果，而且在检测速度方面还有待于提高。

在实际应用中，由于大多数都是面向实时性处理，这要求车辆检测算法便于实现，精度要高，而且具有较快的检测速度。目前的车辆检测算法还不能较好地处理任意环境、光照和遮挡等变化条件，而且在检测精度，检测速度方面存在不足。

国内对车型分类问题的研究很多，多个大学、研究机构的人员已经投入到车型分类这一领域的研究当中，并且也取得了一定的研究成果。