[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

说明书

本申请涉及车辆检测的领域，其具体地公开了一种卷积神经网络级联的监控图像车辆检测方法及其系统。其采用级联卷积神经网络的架构，也就是，首先训练第一级的卷积神经网络作为噪声消除器，再训练第二级的卷积神经网络作为检测器，从而对粮库中所获得的监控图像进行处理，以便对于粮库中正在工作的车辆的异常行为进行检测。通过这样的方式，可以避免传统检测出现的误差累计，以使得对于粮库中正在工作的车辆的异常行为检测的准确度更高。

技术领域

本申请涉及车辆检测的领域，且更为具体地，涉及一种卷积神经网络级联的监控图像车辆检测方法及其系统。

背景技术

我国政府和人民一直非常重视粮食的安全，近几年来为了全面保障我国的粮食安全，在国家粮食局牵头下，各个省市都在积极推进智慧粮库建设，旨在从粮库安防系统、粮库信息化系统、粮库智能通风系统等几个方面来保障粮库安全。

目前粮库中建设的安防系统可以二十四小时全方位地监控粮库，确保粮库安全，但是现有的安防系统没有识别功能，没有考虑到对采集的粮库车辆的图像信息进行有效分析和处理，无法对运粮车在粮库内作业时存在的“换车回皮”“检甲卖乙”“转圈儿”等作弊行为有效监控。因此，继续在现有的安防系统中加入粮库车辆识别功能。

但是，粮库运粮车辆的识别相比普通车辆的识别具有较大困难，主要原因是粮库内部环境非常复杂，运粮车辆在粮库内作业时会产生较大扬尘，导致采集到的图像清晰度不高，具有很多噪声。而传统的车牌识别方法，需要对粮库运粮车辆进行车牌定位、矫正、分割、识别等一系列复杂的处理，各个步骤之间具有较强的依赖性，会存在误差累计情况，很有可能导致最终的识别结果出现较大误差。

因此，需要一种优化的用于粮库的车辆检测方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种卷积神经网络级联的监控图像车辆检测方法和卷积神经网络级联的监控图像车辆检测系统，其采用级联卷积神经网络的架构，也就是，首先训练第一级的卷积神经网络作为噪声消除器，再训练第二级的卷积神经网络作为检测器，从而对粮库中所获得的监控图像进行处理，以便对于粮库中正在工作的车辆的异常行为进行检测。通过这样的方式，可以避免传统检测出现的误差累计，以使得对于粮库中正在工作的车辆的异常行为检测的准确度更高。

根据本申请的一个方面，提供了一种卷积神经网络级联的监控图像车辆检测方法，其包括：

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；