[发明专利]一种基于车身回归的车辆检测方法

说明书

本发明公开了一种基于车身回归的车辆标识方法，用以解决标注整个车身存在的局限性问题。当识别检测出车辆的一部分，如特征比较明显的车头或车尾。然后可以先用神经网络分析出他的朝向，在根据朝向进一步扩大标注长方形框的范围，而非直接向整个周围扩大。最后根据扩大的长方形框中的车身图像来回归出更精准的标注范围。

技术领域

本发明涉及一种车辆标识的方法，更具体地讲，涉及利用车身图像在卷积神经网络中进行回归得到长方形框标识的方法。

背景技术

目前智能交通领域中的车辆识别主要依靠车牌识别，但可能存在无牌、故意遮挡或污痕无法进行清晰识别，这时就需要从复杂的背景中检测出车辆，并将其标注出来进行进一步处理。

一般的检测算法采用Adaboost来构造分类器，并将其运用到人脸检测中能取得比较好的实验效果，由于车头或车尾似于人脸，包含了汽车重要特征的区域，特征显著，结构性强，且为刚体，有利于车辆特征提取。

发明内容

鉴于上述的分析，本发明旨在提供一种基于车身回归的车辆标识方法，用以解决标注整个车身存在的局限性问题。当识别检测出车辆的一部分，如特征比较明显的车头或车尾。然后可以先用神经网络分析出他的朝向，在根据朝向进一步扩大标注长方形框的范围，而非直接向整个周围扩大。最后根据扩大的长方形框中的车身图像来回归出更精准的标注范围。具体技术方案如下：

一种基于车身回归的车辆检测方法，包括检测车辆头部或尾部、判断车身朝向、车身回归三个步骤，

所述检测车辆头部或尾部步骤，采用机器学习方法训练检测器，用正方形框检测出车头或车尾；

所述判断车辆朝向步骤，输入车辆头部或尾部图像，通过分类器判断车辆朝向是左或右；

所述车身回归步骤，根据车辆朝向，将正方形框扩展为长方形框，再通过卷积神经网络，输入长方形框内的图像信息，输出车辆真实长方形边框位置信息。

进一步的，将Adaboost算法应用与车头车或尾检测，使得通过所有的强分类器的图像为车头或车尾窗口，用正方形框来进行标定。

进一步的，通过给定朝向标签的车头或车尾图像，训练卷积神经网络对其左右朝向进行分类；再将标定的车头或车尾图像作为输入，判断车身朝向为左或右。

进一步的，通过车头或车尾朝向来扩大整个车身的范围；再训练神经网络，训练数据集的标签为人为标定的车辆标识长方形框线，通过对扩展后的长方形图像进行输入，回归得到包含整个车身的真实长方形边框的位置及其宽高。

附图说明

图1a是朝向向左的车头图像；

图1b是朝向向右的车头图像；

图2是通过车头或车尾朝向来扩大整个车身的范围的示意图；

图3是车辆真实长方形边框在整张图像中的位置示意图；

图4是本发明的流程框图。

具体实施方式

下面结合附图对本发明作进一步说明。

本发明的基于车身回归的车辆检测方法，包括检测车辆头部或尾部、判断车身朝向、车身回归三个步骤。所述检测车辆头部或尾部步骤，采用机器学习方法训练检测器，用正方形框检测出车头或车尾；所述判断车辆朝向步骤，输入车辆头部或尾部图像，通过分类器判断车辆朝向是左或右；所述车身回归步骤，根据车辆朝向，将正方形框扩展为长方形框，再通过卷积神经网络，输入长方形框内的图像信息，输出车辆真实长方形边框位置信息。