[发明专利]一种二阶段的自行车小类关键点置信度图像CNN识别方法

说明书

本发明公开了一种二阶段的自行车小类关键点置信度图像CNN识别方法，包括如下步骤：步骤A：输入待识别的图像；步骤B：对图像预处理；步骤C：使用Mask R‑CNN网络分割出其中的自行车图像A；步骤D：加载建立的自定义网络及其网络权重；步骤E：对步骤C分割出的自行车图像A使用步骤D中自定义的CNN网络及其网络权重进行特征提取，并自动分为小类；输出小类。本发明可以识别自行车，加强了识别的准确程度，还可以进一步精确的识别出自行车的小类，有助于解决自行车管理的需求，节约人力物力；可操作性强。

技术领域

本发明涉及图像处理信息技术领域，特别是涉及一种二阶段的自行车小类关键点置信度图像CNN识别方法。

背景技术

近年来，车辆的乱停乱放已经成为严重的社会问题。在公园、小区、马路、消防通道上乱停乱放的自行车，特别是共享单车严重的影响了环境的美观，乃至人们的生活。如何第一时间的发现不应当停放的各种品牌的共享单车,并自动实现后续处理，如电话通知对应管理部门，成为管理上亟须解决的问题。

现有的小区、街道已经广泛的使用了摄像头进行了监控，但大多受限于观看的环节。而传统的计算机技术也无法实现对停放车辆进行分析和处理，为下一步的解决方案提供支持。

申请号201711485349.9，发明名称：一种共享单车目标识别方法、装置及相机，该专利申请没有公开自行车图像识别的具体CNN算法步骤，事实上，就CNN算法而言，经过全球科技工作者近十年的发展，每年的相关国际论文都在十万篇以上，需要不断的完善和提高，来改善其图像识别的准确度；就自行车图像识别这块来说，CNN算法的具体操作步骤对图像识别的准确度影响较大，因此，CNN算法的具体操作步骤成为了自行车图像识别准确度的关键因素，由于该申请文件没有给出任何CNN的具体算法步骤，所以在自行车图像的具体识别处理方面可操作性较低。

因此，现有技术的缺陷是，缺少一种二阶段的自行车小类关键点置信度图像CNN识别方法，用于识别自行车，还可以进一步精确的识别出自行车的小类。

发明内容

有鉴于现有技术的至少一个缺陷，本发明的目的是提供一种二阶段的自行车小类关键点置信度图像CNN识别方法，可以识别自行车，不但加强了识别的准确程度，还可以进一步精确的识别出自行车的小类，有助于解决自行车管理的需求，节约人力物力；可操作性强。

为了达到上述目的，本发明采用如下技术方案：一种二阶段的自行车小类关键点置信度图像CNN识别方法，其关键在于，包括如下步骤：

步骤A：输入待识别的图像；

步骤B：对图像预处理；

步骤C：使用Mask R-CNN网络分割出其中的自行车图像A；

步骤D：加载建立的自定义网络及其网络权重；

其中步骤D建立自定义网络获其网络权重包括如下步骤：

步骤D1：从训练库中取出一批包含自行车图像B的训练图片；

步骤D2：对训练图片进行增强处理；

步骤D3：使用Mask R-CNN网络分割出其中的自行车图像B；

步骤D4：对分割出的自行车图像B进行人工关键点的标注；生成包含人工关键点的高斯置信度图；

步骤D5：使用自定义的CNN网络进行特征提取，并计算与人工关键点的距离；

步骤D6：是否达到了要求的精度或迭代了设定的次数N；如果否，转步骤D1，如果是保存网络权重；

步骤E：对步骤C分割出的自行车图像A使用步骤D中自定义的CNN网络及其网络权重进行特征提取，并自动分为小类；

步骤F：输出小类。