[发明专利]基于Ghost卷积特征融合神经网络实时车流量检测系统及方法

权利要求书

1.一种基于Ghost卷积特征融合神经网络实时车流量检测系统，其特征在于，包括：

数据预处理模块，用于从拍摄的视频中进行抽帧，得到第一训练集，对所述第一训练集中的目标图像进行标记形成第二训练集，再利用高斯滤波器生成目标图像的密度图，形成第三训练集；

网络训练模块，通过所述第三训练集对网络进行训练得到网络模型，其中所述网络包括多个Ghost卷积层，所述网络包括第一层、第二层、第三层、第四层以及第五层，其中所述第一层是三列卷积层，且所述三列卷积层的卷积核大小不同，所述第二层是五层卷积核大小均相同的卷积层，所述第五层是两层卷积核大小均相同的特征融合层，所述第一层的三列卷积得到的特征图连结后经过最大池化层处理，所述第三层和第四层卷积得到的特征图均经过最大池化层处理；

目标信息预测模块，从拍摄的视频中进行抽帧，作为测试图像，将所述测试图像输入至所述网络模型中进行预测，得到测试图像的目标信息。

2.根据权利要求1所述的基于Ghost卷积特征融合神经网络实时车流量检测系统，其特征在于：对所述第一训练集中的目标图像进行标记的方法为:利用标注工具对所述第一训练集中的目标图像进行标记。

3.根据权利要求1所述的基于Ghost卷积特征融合神经网络实时车流量检测系统，其特征在于：将所述测试图像输入至所述网络模型中进行预测时，得到测试图像的预测密度图，对预测密度图进行求和运算就可以得到测试图像的目标信息。

4.根据权利要求1所述的基于Ghost卷积特征融合神经网络实时车流量检测系统，其特征在于：所述网络模型包括损失函数。

5.根据权利要求1所述的基于Ghost卷积特征融合神经网络实时车流量检测系统，其特征在于：利用高斯滤波器生成目标图像的密度图后，还包括对所有图像进行归一化处理的步骤。

6.根据权利要求1所述的基于Ghost卷积特征融合神经网络实时车流量检测系统，其特征在于：所述网络模型还包括激活函数。

7.一种基于Ghost卷积特征融合神经网络实时车流量检测方法，其特征在于，包括如下步骤：

步骤S1:从拍摄的视频中进行抽帧，得到第一训练集，对所述第一训练集中的目标图像进行标记形成第二训练集，再利用高斯滤波器生成目标图像的密度图，形成第三训练集；

步骤S2:通过所述第三训练集对网络进行训练得到网络模型，其中所述网络包括多个Ghost卷积层，所述网络包括第一层、第二层、第三层、第四层以及第五层，其中所述第一层是三列卷积层，且所述三列卷积层的卷积核大小不同，所述第二层是五层卷积核大小均相同的卷积层，所述第五层是两层卷积核大小均相同的特征融合层，所述第一层的三列卷积得到的特征图连结后经过最大池化层处理，所述第三层和第四层卷积得到的特征图均经过最大池化层处理；

步骤S3:从拍摄的视频中进行抽帧，作为测试图像，将所述测试图像输入至所述网络模型中进行预测，得到测试图像的目标信息。