[发明专利]一种用于交通监控的车辆检测方法

摘要

一种用于交通监控的车辆检测方法，包括步骤：S1、首先将收集到的交通监控图片拆分成上下两部分，上半部分图片的车辆离监控摄像头较远，车辆呈现小而模糊的状态，裁剪出其中的车辆并标注车辆类别信息，组成第一训练样本集；下半部分图片的车辆离监控摄像头较近，车辆呈现大而清晰的状态，直接在下半部分图片中标注出车辆类别信息和位置信息，并组成第二训练样本集；S2、构建并训练卷积神经网络；S3、构建并训练YOLO神经网络；S4、结合卷积神经网络和YOLO神经网络输出结果，检测出整张交通监控图片中的车辆。本发明能够同时克服检测卷积神经网络检测速度较慢和YOLO神经网络召回率低的缺点，快速准确地检测出交通监控中的车辆。

主权项

1.一种用于交通监控的车辆检测方法，对交通监控图片中的车辆进行检测，其特征在于，包括如下步骤：S1、首先将收集到的交通监控图片拆分成上下两部分，上半部分图片的车辆离监控摄像头较远，车辆呈现小而模糊的状态，裁剪出其中的车辆并标注车辆类别信息，组成第一训练样本集；下半部分图片的车辆离监控摄像头较近，车辆呈现大而清晰的状态，直接在下半部分图片中标注出车辆类别信息和位置信息，并组成第二训练样本集；S2、构建并训练卷积神经网络：i)构建含有10层的卷积神经网络，10层依次是卷积层Conv1，卷积层Conv2，最大池化层MaxPool3，卷积层Conv4，卷积层Conv5，卷积层Conv6，最大池化层MaxPool7，全连接层Fc8，全连接层Fc9，输出层out 10；ii)输入第一训练样本集，训练卷积神经网络，直到卷积神经网络的损失函数≤0.0001，得到经过训练的卷积神经网络；S3、构建并训练YOLO神经网络：i)构建含有11层的卷积神经网络，11层依次是卷积层Conv1，卷积层Conv2，最大池化层MaxPool3，卷积层Conv4，卷积层Conv5，卷积层Conv6，卷积层Conv7，最大池化层MaxPool8，全连接层Fc9，全连接层Fc10，输出层out11；ii)输入已标注出车辆类别信息和位置信息的第二训练样本集，训练YOLO神经网络，直到YOLO神经网络的损失函数≤0.0001，得到经过训练的YOLO神经网络；S4、检测过程中，将整张交通监控图片拆分成上下两部分，上部分利用滑动窗口采样图片，将其输入步骤S2中卷积神经网络，检测出上半部分中的车辆；将下半部分直接输入步骤S3中YOLO神经网络，检测出下半部分中的车辆；结合经过训练的卷积神经网络输出结果和经过训练的YOLO神经网络输出结果，检测出整张交通监控图片中的车辆。