[发明专利]一种快速车辆检测方法

摘要

本发明属于深度学习中的视频检测技术领域，具体涉及一种基于车窗特征的快速车辆检测方法，提出以车窗代替车体作为目标物进行检测，结合ResNet网络的残差模块和SSD算法的多尺度特征提取方法，借鉴YOLOv3的网络结构，构建了只有24个卷积层的全卷积检测方法；在车流量较大的情况下，批量测试时，平均检测精度接近100％，平均检出率达到90％，检测速度达到22毫秒/帧，实现对道路高清监控视频中车辆的实时检测，有效的提高较大车流量中车辆的检出率，具有重要的应用价值。

主权项

1.一种快速车辆检测方法，其特征在于，所述快速车辆检测方法包括以下步骤：(1)采集数据：从对道路中的车辆进行实时交通监控视频中截取不同条件下的大量图片，图片大小为1920px×1080px，将此作为数据；(2)数据标注：基于车窗特征对步骤(1)中采集的图片做数据标注，采用labelimg标注工具在图片中用矩形框分别将车辆的前车窗和后车窗作为目标物框起来，并附带车辆的类别标签进行标注，将画出的每个矩形框在图片上的像素点坐标信息以xml数据格式保存在.xml文件中，生成包含有图片中车辆的前后车窗位置信息和车辆的类别信息的.xml文件，以供训练和测试时使用；(3)构建基础网络：在步骤(2)数据标注方式下，使用ResNet网络的残差连接，按照特征层尺度像素大小对输入图片逐层进行特征点提取，依次形成特征层尺度分别为208px×208px、104px×104px、52px×52px、26px×26px的四个部分，将同一尺度的不同特征层的信息融合，构建13层的全卷积小型基础网络；(4)构建检测方法：借鉴SSD的多尺度特征提取方法，在步骤(3)构建的基础网络的基础上利用多层特征提取技术，分别从基础网络中尺度为104px×104px、52px×52px、26px×26px的残差连接层提取特征层信息并融合到检测网络，与检测网络中相对应的特征层经过上采样后的特征信息融合；然后用1×1卷积生成与检测目标物种类数相对应的张量，即：(26×26+52×52+104×104)×(3×(4+1+C))维张量；再经过sigmoid函数和0.5阈值的筛选，选取最高置信度的种类作为预测种类；经过对多个预测框进行非极大值抑制得到最终预测框；再得到预测目标车辆的类别和位置信息，构成检测方法；(5)训练数据；(6)应用测试。