[发明专利]一种载木车辆检测识别及跟踪方法

说明书

一种载木车辆检测识别及跟踪方法，主要步骤包括：S1通过交通摄像头获取图片数据；S2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；S3将采集和标注的数据集划分为训练集和验证集两个部分；S4将训练集输入检测模型中进行训练，并通过验证集测试模型的好坏；S5保存训练好的模型，并将模型上传至云平台，在训练过程中通过对学习率和损失函数的调整，让检测模型可以及时收敛避免瞬时反复震荡无法收敛，通过加入GIoU损失解决真实边界框和预测边界框交集为空时梯度为0的缺陷，有效反应真实边界框与预测边界框之间的距离，本发明建立了一种科学的，合理的载木车辆检测和跟踪方法，从而减轻了人工检测和跟踪的时间和成本，具有较高的准确性。

技术领域

本发明涉及车辆检测及跟踪领域，具体涉及一种载木车辆检测识别及跟踪方法。

背景技术

保护森林资源不被破坏时保证可持续发展的重要条件，随着社会的发展人类对森立资源的破坏已经达到了不可忽视的地步，尤其是盗砍盗伐现象在近年来不断加剧，已经成为威胁森林资源的重要因素，因此防止盗砍盗伐及时保护森立资源已经到了刻不容缓的地步。

在盗砍盗伐车辆检测方面如果依靠人工进行，则是一件非常费时费力的事情并且很容易出现漏检的情况，因此通过摄像头进行载木车辆的拍摄，之后通过深度学习对拍摄出的图像进行分类和检测能够极大加快检测的速度和准确度，并且可以节省很多成本。

由于深度学习在图像识别领域具有精度高，泛化能力强，高效率等特点，将深度学习方法用于载木车辆检测之中能够有效制止盗砍盗伐现象的发生，对保护森林资源起着重要的作用。但在载木车辆的图像识别中，在图像模型进行训练时，传统的学习率衰减设定按照一定倍数进行衰减，此种衰减方式由于盗伐的载木车辆由于采取遮盖处理或者伪装使得轮廓具有不确定性导致学习率导致早衰，从而使得模型收敛变慢，进而不能有效地对车辆中的载木信息进行提取识别。

发明内容

本发明所要解决的技术问题是提供一种载木车辆检测识别及跟踪方法，通过对大量道路图像进行训练和验证，得到准确地载木车辆的检测模型。

为解决上述技术问题，本发明所采用的技术方案是：

一种载木车辆检测识别及跟踪方法，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。

在卷积神经网络中为了更好的拟合目标函数，在训练过程中模型通过计算预测分布与真实分布之间的交叉熵损失，通过计算激活函数的偏导数来进行反向传播更新权重参数，并通过学习率来调整参数更新的速度；