[发明专利]一种基于深度学习的车辆特征物检测方法

权利要求书

1.一种基于深度学习的车辆特征物检测方法，其特征在于该方法包括以下步骤：

步骤1.把车窗内所有需要检测的物体标注出来，设计CNN网络结构，该网络结构主要包括三个卷积层，三个池化层，三个RELU层、两个全连接层及Softmaxwithloss层，并用该结构在Caffe框架上进行训练，得到一个多分类模型；

步骤2.通过统计机器学习的方法粗略定位车脸的位置，并对车窗四个点进行定位，得到车窗的位置；

步骤3.结合selective search与edgebox建议框提取方法，得到可能是目标物体的建议框；

步骤4.在建议框的基础上进行多尺度缩放得到不同尺度下的待分类区域，然后利用步骤1得到的多分类模型进行分类；

步骤5.利用每一物体自有的先验信息进行最后的去误检处理；

步骤6.得到每辆车车窗上的各种特征物类别与坐标；

其中步骤3具体是：

1）利用edgebox计算出图像的edges,再得到一个edge groups,根据这些edge group得到m个初始区域，记为 ；设置一个相似度集合记为S,初始化为空；

2) 计算每两个区域的相似度, 并存入到集合S中；

3) 找出相似度最大的两个区域，，删除这两块区域与其他区域的相似度，然后合并这两区域，并重新计算该区域与相邻的相似度，存入到集合S；一直重复这个过程直到S集里的数目小于事先预定的数目；

4）提取第3）步得到的区域作为可能为目标的建议框。

2.根据权利要求1所述的一种基于深度学习的车辆特征物检测方法，其特征在于：所述的先验信息包括每个物体的位置概率分布图、大小和长宽比。