[发明专利]卷积神经网络级联的监控图像车辆检测方法及其系统

权利要求书

1.一种卷积神经网络级联的监控图像车辆检测方法，其特征在于，包括：

训练阶段，包括：

获取训练图像集，所述训练图像集包括含噪声的粮库监控图像作为第一图像和不含噪声的粮库监控图像作为第二图像；

将所述训练图像集中的所述第一图像和所述第二图像分别输入第一卷积神经网络和第二卷积神经网络以获得对应于所述第一图像的第一特征图和对应于所述第二图像的第二特征图；

将所述第一特征图和所述第二特征图输入鉴别器以获得鉴别器损失函数值；

基于所述鉴别器损失函数值，对所述第一卷积神经网络进行训练；

将所述训练图像集中的所述第一图像输入第一次更新完成的所述第一卷积神经网络以获得去噪后的第三特征图；

将所述第三特征图输入第三卷积神经网络以获得第四特征图，所述第三卷积神经网络与所述第一卷积神经网络级联；

计算所述第三特征图和所述第四特征图之间的KL散度值；

基于所述KL散度值，对第一次更新完成的所述第一卷积神经网络和所述第三卷积神经网络进行训练；

将所述训练图像集中的所述第一图像输入第二次更新完成的所述第一卷积神经网络以获得去噪后的第五特征图；

将所述第五特征图输入第一次更新完成的所述第三卷积神经网络以获得第六特征图；

将所述第六特征图输入分类器以获得分类损失函数值；以及

基于所述分类损失函数值，对第一次更新完成的所述第三卷积神经网络进行训练；以及

预测阶段，包括：

获取待预测图像；

将所述待预测图像输入第二次更新完成的所述第一卷积神经网络以获得降噪特征图；

将所述降噪特征图输入第二次更新完成的所述第三卷积神经网络以获得检测特征图；以及

将所述检测特征图输入分类器以获得分类结果，所述分类结果用于表示所述待预测图像中的粮库车辆是否异常。

2.根据权利要求1所述的卷积神经网络级联的监控图像车辆检测方法，其中，将所述第一特征图和所述第二特征图输入鉴别器以获得鉴别器损失函数值，包括：

基于所述第一特征图的样本数目n对所述第一特征图进行样本数目维度的加权平均以获得第一平均特征图：

其中，是第一平均特征图，是第一特征图，w，h，c和i分别表示所述第一特征图的宽度、高度、通道编号和样本编号；

基于所述第二特征图的样本数目m对所述第二特征图进行样本数目维度的加权平均以获得第二平均特征图；

其中，是第二平均特征图，是第二特征图，w，h，c和i分别表示所述第二特征图的宽度值、高度值、通道编号和样本编号；以及

计算所述第一平均特征图和所述第二平均特征图输入所述鉴别器以获得鉴别器损失函数值。

3.根据权利要求2所述的卷积神经网络级联的监控图像车辆检测方法，其中，将所述第六特征图输入分类器以获得分类损失函数值，包括：

使用所述分类器的至少一个全连接层对所述第六特征图进行编码以获得分类特征向量；

将所述分类特征向量输入Softmax分类函数以获得分类结果；

计算所述分类结果与真实值之间的交叉熵损失函数值作为所述分类损失函数值。

4.根据权利要求3所述的卷积神经网络级联的监控图像车辆检测方法，其中，所述第一卷积神经网络和所述第二卷积神经网络具有相同的网络结构。