[发明专利]基于深度学习的特种车辆检测与识别系统

权利要求书

1.基于深度学习的特种车辆检测与识别系统，其特征在于，包括如下步骤：

步骤S001基于深度学习的监测方法训练特种车辆样板图片进行灰度降维，并创建特种车辆样本库；

步骤S002对样板特种车辆的灰度降维图像中每一个像素点的特征构成特征图；

步骤S003将特征图输入深度卷积网络提取深度卷积特征，并将深度卷积特征输入到分类器；

步骤S004对路口监控视频获取的车辆图片进行局部构件提取，对提取后的图片进行灰度降维；

步骤S005对局部构件的灰度图像每一个像素点进行特征提取，并与样本库中分类器特征图进行比对；

步骤S006比对成功，确认特种车辆。

2.根据权利要求1所述的基于深度学习的特种车辆检测与识别系统，其特征在于，所述步骤S004中，局部构件提取利用特种车辆颜色以及边缘特性，将监控获取的图像分割成多个子区域；对每个子区域进行有效线段检测；根据车辆各部件的不同特征，聚类合并有效线段，并结合相应子区域的纹理信息以及边缘梯度信息，形成每个子区域的特征关联向量；根据特征关联向量，提取每个子区域的局部构件进行灰度处理。

3.根据权利要求1所述的基于深度学习的特种车辆检测与识别系统，包括摄像头、图像处理单元和特种车辆样本库；

所述图像处理单元包括：用于对监控获取的图像进行分割的局部构件提取模块；用于提取的局部构件图像进行灰度处理的灰度处理模块；用于对灰度图像进行特征提取的特征提取模块；用于将提取的特征信息与特种车辆样本库中分类器中数据进行比对的匹配模块；用于将匹配成功的特种车辆信息存入数据库的存储模块；

所述特种车辆样本库包括：用于对特种车辆样本图像进行灰度降维处理并存入样本库的车辆录入模块；用于将特征图输入深度卷积网络提取深度卷积特征的卷积提取模块；用于存储样本特种车辆卷积特征信息的分类器。

4.根据权利要求3所述的基于深度学习的特种车辆检测与识别系统，其特征在于，所述深度卷积采用LeNet5卷积神经网络结构，模块共分为八层，前六层为特征提取部分，后两层为分类器部分，对于特征提取部分采用CNN方法进行训练。

5.根据权利要求3所述的基于深度学习的特种车辆检测与识别系统，其特征在于，所述分类器采用全连接结构，由多层感知器MLP和SOFTMAX构成，采用LSE方法进行训练。

6.根据权利要求3所述的基于深度学习的特种车辆检测与识别系统，其特征在于，所述存储模块存储的特种车辆有违法记录时，其中的待检违章结果应当接受人工检查，然后将确认无误的信息导入违章数据库，并对误判的信息进行删除或对辨别特种车辆错误的信息进行修改。