[发明专利]基于yolov5与BCNN的车辆朝向识别方法及系统

说明书

本发明公开了一种基于yolov5与BCNN的车辆朝向识别方法及系统，其基于yolov5算法构建车辆检测模型并进行训练，利用训练完成的车辆检测模型对测试集进行识别，输出得到测试集图片中的车辆位置信息；根据车辆位置信息将车辆区域从原图中裁剪下来，并按照车辆朝向属性对车辆数据进行标注和分开存放，形成车辆朝向数据集；基于BCNN算法构建车辆朝向识别模型，采用标注好的车辆朝向数据集对其进行训练，利用训练好的车辆检测模型和车辆朝向识别模型依次对输入的监测场景数据中的图像进行预测，输出车辆朝向的类别。本发明将yolov5算法与BCNN算法相结合，使得车辆定位更加准确、检测速度更快、鲁棒性更强，实现车辆多角度、复杂场景的识别任务。

技术领域

本发明涉及图像处理及模式识别技术领域，尤其是涉及一种基于yolov5与BCNN的车辆朝向识别方法及系统。

背景技术

在大型园区的出入口通常需要对车辆出入信息进行登记，以及确定车辆在园区内的活动轨迹，便于对车辆实行智能化管理，目前大部分园区对车辆的进出采用人工登记的方式，这样做会很费时间，效率非常低，车流量很大时，对工作人员也产生很大的工作压力，也有一些地方采用了基于图像的自动化录入方式，通过识别出车头车尾，进而判断车辆的进出方向。目前这些自动化录入方式均有一定的局限性，对于一些悬挂在高处的摄像头都达不到很好的效果。

专利申请号为201710458187.3，专利名称为一种基于图像的车头朝向识别方法及装置，该方法提出一种基于图像的车头朝向识别方法及装置，通过确定待识别图像中车牌特征的区域，来确定车脸的各顶点所在区域，通过各顶点所在区域来确定车脸所在区域，再对车脸区域进行分类，进而确定车头的朝向，但是这种方法中确定车牌特征区域时用到车牌像素点的特征和相邻像素点之间的关系，但是这种方法很容易受环境因素的影响，在恶劣的天气情况下，这种方法就很有局限性，而且在对车脸区域进行分类时，分类效果很容易受车辆区域背景的影响。

专利申请号为201911315840.6，专利名称为网络训练方法、车头朝向识别方法、装置及终端设备，该方法提出一种网络训练方法、装置及终端设备，通过在包含目标车辆的图像样本中，确定能够包含所述目标车辆的最小四边形区域，通过最小四边形区域来确定第一矩形区域，进而通过设定的插值点来计算偏移量和多个目标区域，利用偏移量和多个目标区域对网络进行训练，可以识别出车辆的车头朝向，但是对于水平放置的车辆，该方法没法确定最小四边形区域，所以该方法具有很大的局限性。

发明内容

本发明提出一种基于yolov5与BCNN的车辆朝向识别方法及系统，以克服上述技术不足。

为达到上述技术目的，本发明的技术方案第一方面提供一种基于yolov5与BCNN的车辆朝向识别方法，其包括如下步骤：

采集监测场景数据形成车辆检测数据集，按比例将所述车辆检测数据集分为训练集和测试集，对训练集图片中的车辆位置进行标注；

基于yolov5算法构建车辆检测模型，采用标注好的训练集对车辆检测模型进行训练，利用训练完成的车辆检测模型对测试集进行识别，输出得到测试集图片中的车辆位置信息；

根据车辆位置信息将车辆区域从原图中裁剪下来，并按照车辆朝向属性对车辆数据进行标注和分开存放，形成车辆朝向数据集；

基于BCNN算法构建车辆朝向识别模型，采用标注好的车辆朝向数据集对车辆朝向识别模型进行训练，利用训练好的车辆检测模型和车辆朝向识别模型依次对输入的监测场景数据中的图像进行预测，输出车辆朝向的类别。

本发明第二方面提供一种基于yolov5与BCNN的车辆朝向识别系统，其包括如下功能模块：

数据制作模块，用于采集监测场景数据形成车辆检测数据集，按比例将所述车辆检测数据集分为训练集和测试集，对训练集图片中的车辆位置进行标注；