[发明专利]一种复杂场景下的车辆检测方法及系统

摘要

本发明公开了一种复杂场景下的车辆检测方法及系统，基于快速区域卷积神经网络，该快速区域卷积神经网络中配置有输入层、卷积层、池化层、region proposal候选区域层、ROI pooling层、全连接层和输出层，该系统中还配置有复杂区域拆分层，所述复杂区域拆分层用于将复杂场景划分成若干简单场景并连接在输入层后，所述复杂区域拆分层的输出连接到region proposal层和卷积层，卷积层的输出连接到池化层，池化层、region proposal的输出均连接到ROI pooling层，所述ROI pooling层顺序连接全连接层、输出层后输出检测结果。本发明的一种复杂场景下的车辆检测方法及系统与现有技术相比，通过设计基于深度学习的车辆检测方法，完成智慧停车，能够极大的节省成本，实用性强，适用范围广泛，易于推广。

主权项

一种复杂场景下的车辆检测方法，其特征在于，基于快速区域卷积神经网络，该快速区域卷积神经网络中配置有输入层、卷积层、池化层、region proposal候选区域层、ROI pooling层、全连接层和输出层，其实现过程为：首先设计复杂区域拆分单元，将复杂场景划分成若干简单场景；将复杂区域拆分单元加入到快速区域卷积神经网络中的输入层后，接收来自输入层输入的图像；将复杂区域拆分单元的输出分别连接到快速区域卷积神经网络的region proposal层、卷积层，来分别学习候选的proposal、局部特征，且卷积层输出特征到池化层进行采样；将池化层的特征与region proposal层的候选特征进行融合，输入到ROI pooling层，将特征归一化到相同的长度；最后再输入到全连接层，全连接层的输出作为最后的特征，通过优化目标函数，获得复杂性区域拆分卷积神经网络的参数，从而进行车辆检测。