[发明专利]一种采用AI技术判断移动车辆与人形方法

权利要求书

1.一种采用AI技术判断移动车辆与人形方法，其特征在于，其判断步骤如下：

S1，收集样本：收集不同的移动车辆与人形数据样本；

S2，标注样本：对不同的样本中的移动车辆进行标注；

S3，进行AI学习：根据所标注的样本对提出的densext网络进行训练建立基本数据模型，对特定移动车辆和/或人形，进行特殊标记并录入相关信息，建立特殊数据模型；

S4，判断预备：检测设备通过高清相机获取所需判断的图像信息，以视频流的方式上传到AI处理系统中，系统通过学习好的数据模型自动将新采集到的图像进行差值分析，在完整的图像中选择出车辆和/或人形的局部部分，并将此局部部分标记为动态窗口；

S5，densext判断：将所有的动态窗口放入densext网络中，densext网络根据学习好的数据模型进行判断，并对其所判断出来的车辆和/或人形用框标注出来，如若同时识别多个目标使用不同颜色的框进行标注；

S6，结果导出：densext网络再进行判断，为进行特殊标记并录入相关信息的，在所标注的框内显示相关的录入信息后，将结果导出显示在显示设备上，反之，为未特殊标记的，则直接导出显示在显示设备上。

2.根据权利要求1所述的一种采用AI技术判断移动车辆与人形方法，其特征在于：所述差值分析为对图像进行相邻帧的插值，所获得的不同部分进行阈值筛选，同时对整个图像进行频谱分析，排除光线等客观因素的干扰，随后提取出移动部分进行padding补0。

3.根据权利要求1所述的一种采用AI技术判断移动车辆与人形方法，其特征在于：所述densext网络采用的densext算法为介于普通卷积核深度可分离卷积的策略：分组卷积，通过控制分组的数量即基数、来达到两种策略的平衡，在主干网络上，选用尺寸为1*1和3*3的多尺度卷积核，同时采用densenet密集连接的思想来保证全面丰富的提取特征，在Stem瓶颈层上，采用7*7的卷积核和Maxpoolling来迅速的降低特征的通道数，从而保证整体的算法性能，最终，通过输入224*224*3的图像得到判别的类别即、车俩、行人或其他。

4.根据权利要求1所述的一种采用AI技术判断移动车辆与人形方法，其特征在于：所述基本数据模型是densext网络针对移动车辆和/或人形的一个基本判断所训练的，是用于全部识别车辆和/或人形。

5.根据权利要求1所述的一种采用AI技术判断移动车辆与人形方法，其特征在于：所述特殊数据模型是针对特殊对象的移动车辆和/或人形所训练的，其对所指定的特殊对象进行特殊标记并录入相关信息，用于识别依据特殊标志的车辆和/或人形。