[发明专利]一种载木车辆检测识别及跟踪方法

权利要求书

1.一种载木车辆检测识别及跟踪方法，其特征在于，包括以下步骤：

Step1、通过交通摄像头获取图片数据；

Step2、对获取的车辆图像进行标记，用矩形框在图像中框选出目标车辆；

Step3、将采集和标注的数据集划分为训练集和验证集两个部分；

Step4、将训练集输入检测模型并对模型中的卷积核、分类器、回归器进行训练，得到训练好的载木车辆检测模型的网络参数，并通过验证集对模型进行检测结果测试；

在训练过程中，通过学习率的调整和损失函数的调整对模型进行改进；

Step5、保存训练好的模型，并将模型上传至云平台；

Step6、通过摄像头获取待检测车辆照片，并将待检测照片上传至云平台；

Step7、取检测结果并将检测结果保存至数据库；

Step8、前端界面查看检测结果并进行盗砍盗伐判定；

Step9、对判定盗砍盗伐的载木车辆的车辆信息进行提取，并与不同路段的多个摄像头摄取的道路行驶车辆图像信息进行比对，对不同帧的载木车辆信息进行提取，提取出车牌好、信息、路段地点，形成盗砍盗伐的载木车辆的路径信息。

2.根据权利要求1所述的一种载木车辆检测识别及跟踪方法，其特征在于，所述的Step4中对学习率的调整方法为：

在一个完成的训练周期内，通过函数y＝αx+β对一个训练周期内的n个损失点进行拟合，其中α表示损失震荡系统，通过α作为学习率更新的条件并确定学习率的衰减程度，当α＜0时，当前模型损失为下降趋势，应当保持学习率不变；当α＞0时，当前模型损失为上升趋势，应当更新学习率，设γ为学习率，i为当前迭代轮次，因此学习率更新公式为：

其中，λ表示学习率的衰减倍率。

3.根据权利要求3所述的一种载木车辆检测识别及跟踪方法，其特征在于，所述的学习率衰减倍率λ＝0.5。

4.根据权利要求1所述的一种载木车辆检测识别及跟踪方法，其特征在于，所述的Step4中损失函数的调整方法为：

在原有损失函数中加入GIoU损失，GIoU预测边界框与真实边界框之间的位置关系融入到损失函数中；

假设A为真实边界框，B为预测边界框，C为能容纳真实边界框和预测边界框在内的最小矩形框，因此GIoU的计算公式为：

其中Union_AB表示A和B的并集。

5.根据权利要求1所述的一种载木车辆检测识别及跟踪方法，其特征在于，所述的Step4中对检测模型中的卷积核、分类器、回归器进行训练采用RCNN、YOLOv3、RetinaNet三种模型，并对检测效果进行对比，根据对比结果选取其中一种模型。

6.根据权利要求1所述的一种载木车辆检测识别及跟踪方法，其特征在于，所述的Step4中，对检测模型的检测结果测试时，采用AP算法对检测结果进行评价。

7.根据权利要求6所述的一种载木车辆检测识别及跟踪方法，其特征在于，所述的目标检测的评价指标包括召回率R、准确率P和平均精度AP，其中以TP表示正类被预测为正类，TN表示负类被预测为负类，FP表示负类被预测为正类，FN表示正类被预测为负类，n表示取样数，k表示类别总数；

召回率的计算公式为：

准确率的计算公式为：

平均精度的计算公式为：