[发明专利]基于多尺度卷积神经网络的车辆智能排队的系统及方法

摘要

本发明公开了一种基于多尺度卷积神经网络的车辆智能排队的系统及方法，首先搜集样本数据并进行筛选；将筛选的图片进行增强，通过背景减法得到一组有关运动信息的数据；不同类型的图片分别送入外观、运动信息全卷积神经网络；将上述网络训练的两个模型特征融合和决策融合，得到最终的检测模型；将待检测图片输入到训练后的网络，获得各个通道上的车辆排队的车辆数，以及预测排队的时间；通过前方电子屏幕，实时引导车辆进入，排队时间相对较短的服务车道，提高通行效率。本发明将运动特征和外观特征很好的结合在一起。有利于对运动物体的准确检测，同时采用多尺度卷积神经网络，能有效的获取不同大小车型的特征，提高了模型结果的准确性。

主权项

1.一种基于多尺度卷积神经网络的车辆智能排队的系统，其特征在于，包括下述模块：筛选模块，用来对搜集来的收费站服务道路数据进行筛选，去除干扰较大的图片；数据预处理模块：将搜集到的图像数据进行数据增强处理，增强后的数据通过背景减法，获得一组包含运动信息的数据，通过人工标定，每个标注的图片包含两种信息：车辆所属窗口信息，车辆数信息；训练模块：将含有运动信息的数据作为运动全卷积神经网络的输入，含有外观信息的数据作为外观全卷积神经网络的输入并通过两个网络独立训练，经过多次迭代，最终得到两个模型；微调模块：通过级联结构，训练特征融合和决策融合两种融合方案，通过微调，将运动信息模型和外观信息模型级联起来，得到最终的检测模型；输出模块：将待测试的图片作为最终模型的输入，输出每个服务通道车辆数目和预计等待时间；引导模块：通过收费站前方电子屏幕，实时引导车辆进入排队时间相对较短的服务车道。