[发明专利]一种基于深度卷积网络的车辆型号识别系统及方法

说明书

本发明公开了一种基于深度卷积网络的车辆型号识别系统及方法，包括车辆检测预处理模块和车辆型号识别模块；所述车辆检测预处理模块包括车辆检测单元和图像补边单元；所述车辆检测单元通过车辆检测算法从监控图像中获取车辆图像；所述车辆图像通过所述图像补边单元对所述车辆图像进行补边处理；补边处理后的所述车辆图像输入至所述车辆型号识别模块内，获得车辆型号。本发明主要应用于在智能交通领域中，实现了对车辆型号的全程自动识别，并提高了识别率和识别速度，既节约了人力，又保证了识别工作的公正、公开。

技术领域

本发明涉及车辆型号的人工智能判断技术领域，特别涉及一种基于深度卷积网络的车辆型号识别系统及方法。

背景技术

随着社会经济的不断发展和人民生活水平的持续提高，马路上机动车辆越来越多，各类车辆的品牌和型号也在不断的增加。面对逐年快速增长的车辆数量和复杂的道路情况，交通管理面临的压力也越来越大。此时，若仅仅依靠人工监控是远远不够的。

车辆检测和识别作为智能交通系统的重要技术组成部分，车辆型号的识别技术也显得越发重要。目前在寻找肇事逃逸车辆，辨别车辆的假牌照以及套牌车辆的问题，智能系统的识别率较低，经常出错，因此还需要通人工识别来检验。此外，现有的识别方法也只是车辆大小以及车标和车牌来粗略分类，在许多方面我们还需要了解更多车辆的详细信息。

因此，面对复杂的交通情况，急需开发能够准确而快速识别车辆型号的方法，来满足交通监管的需求。

发明内容

本发明要解决的技术问题是：现有的车辆型号识别技术，识别准确性差且识别速度较慢，无法达到交通智能监管的技术需求。

本发明解决其技术问题所采用的技术方案是：

一种基于深度卷积网络的车辆型号识别系统，包括车辆检测预处理模块和车辆型号识别模块；所述车辆检测预处理模块包括车辆检测单元和图像补边单元；所述车辆检测单元通过车辆检测算法从监控图像中获取车辆图像；所述车辆图像通过所述图像补边单元对所述车辆图像进行补边处理；补边处理后的所述车辆图像输入至所述车辆型号识别模块内，获得车辆型号。

进一步，所述车辆型号识别模块为基于GooleNet-V2的深度卷积网络结构。

一种基于深度卷积网络的车辆型号识别方法，包括如下步骤：

S1、获取车辆检测算法输出的车辆图像；

S2、对所述车辆图像进行补边处理；

S3、将补边处理后的车辆图像输入至基于深度卷积网络的GooleNet-V2模型中，从而获得车辆型号。

进一步优化技术方案，所述补边处理的具体包括如下步骤：

S21、当所述车辆图像的长大于宽时，在所述车辆图像的上区和下区进行均匀的扩边，使得扩充之后车辆图像长等于宽；

S22、当所述车辆图像的宽大于长时，在所述车辆图像的左区和右区进行均匀的扩边，从而使得扩充之后所述车辆图像长等于宽。

进一步优化技术方案，所述车辆型号的具体获取步骤如下：

S31、采集车辆图像集，并对其每张图像进行补边处理；

S32、将车辆型号相同的车辆图像归为一类数据集，且以该车辆型号名称命名该数据集，将每个数据集名称映射到从0～n，其中0～n代表车辆型号的标签，且n为数据集总数减1，记录对应车辆型号的标签，得到车辆型号标签数据集；

S33、使用所述车辆型号标签数据集训练基于深度卷积网络的GooleNet-V2模型；

S34、将待处理车辆图像输入经过训练的GooleNet-V2模型，从而识别出待处理车辆图像的车辆型号。