[发明专利]基于卷积神经网络的车辆识别与检测方法及系统

权利要求书

1.一种基于卷积神经网络的车辆识别与检测方法，其特征在于，包括以下步骤：

a.提取一组不同种类车辆特定形态的图片样本，将图片样本中全部种类车辆进行标记；

b.使用mask-rcnn将已标记的图片样本进行区域分割和种类分析训练；

c.与视频监控端建立通讯连接，提取待识别视频中一组随机连续的待识别图像；

d.通过mask-rcnn语义分割预测出所有待识别图像中车辆位置以及种类；

e.通过物体追踪算法追踪相邻帧的待识别图像中所有车辆位置，从待识别图像中的第一帧开始，观察相邻帧图像所有车辆位置，利用矩阵算法计算各车辆轮廓所在的质心，以第一张图像的每个车辆的质心为圆心，以预设像素为半径依次搜索，查看在下一帧中各车辆位移情况，判断物体与质心所在物体的形状差异是否在预设范围，如果是则认为当前的物体是上一张图像质心所在物体产生位移后的物体，反之则认为是不同类车辆；根据车辆追踪情况输出车辆的运动状态，如果在预设时间内同一车辆质心未发生移动，则认为该车辆处于静止状态；

f.将运动状态绑定车辆监控业务逻辑，输出监控结果及指令，其中，当车辆的静止时间超过预设时长时，向监控端发送提醒指令，设置合理的车辆静止时长报警阈值，当车辆在某些特定环境中停留时间超过报警阈值时，系统向监控端发送提醒指令。

2.根据权利要求1所述一种基于卷积神经网络的车辆识别与检测方法，其特征在于，所述待识别图像为待识别视频中随机提取的时间段内连续选取的一组图像。

3.一种基于卷积神经网络的车辆识别与检测系统，其特征在于，包括：

标记单元，用于提取一组不同种类车辆特定形态的图片样本，将图片样本中全部种类车辆进行标记；

训练单元，用于使用mask-rcnn将已标记的图片样本进行区域分割和种类分析训练；

提取单元，用于与视频监控端建立通讯连接，提取待识别视频中一组随机连续的待识别图像；

车辆信息识别单元，用于通过mask-rcnn语义分割预测出所有待识别图像中车辆位置以及种类；

车辆位移识别单元，用于通过物体追踪算法追踪相邻帧的待识别图像中所有车辆位置，从待识别图像中的第一帧开始，观察相邻帧图像所有车辆位置，利用矩阵算法计算各车辆轮廓所在的质心，以第一张图像的每个车辆的质心为圆心，以预设像素为半径依次搜索，查看在下一帧中各车辆位移情况，判断物体与质心所在物体的形状差异是否在预设范围，如果是则认为当前的物体是上一张图像质心所在物体产生位移后的物体，反之则认为是不同类车辆；根据车辆追踪情况输出车辆的运动状态，如果在预设时间内同一车辆质心未发生移动，则认为该车辆处于静止状态；

监控单元，用于将运动状态绑定车辆监控业务逻辑，输出监控结果及指令，其中，当车辆的静止时间超过预设时长时，向监控端发送提醒指令，设置合理的车辆静止时长报警阈值，当车辆在某些特定环境中停留时间超过报警阈值时，系统向监控端发送提醒指令。