[发明专利]一种基于多标签目标检测的重车识别方法

权利要求书

1.一种基于多标签目标检测的重车识别方法，其特征在于，包括以下步骤：

步骤S1、获取交通监控视频数据；

步骤S2、抽取交通监控视频数据中部分图像进行标注，先标注出这些图像中各个车辆的类别和所在位置，车辆的类别包括小型汽车、重型车辆、客车和非机动车；

再对车辆的类别为重型车辆的目标进行多标签标注，补充重型车辆的车轴信息和载货情况信息；

标注完成后得到车辆多标签目标检测数据集；

步骤S3、构建基于yolov4的多标签目标检测网络，多标签目标检测网络用于检测出交通监控视频数据中图像上的各个车辆的类别和所在位置，并用于识别这些图像上各个重型车辆的车轴、载货情况；

使用步骤S2得到的车辆多标签目标检测数据集，对多标签目标检测网络进行训练，得到多标签目标检测网络的模型文件；

步骤S4、将步骤S3训练好的模型文件加载到多标签目标检测网络中，使用多标签目标检测网络进行车辆目标检测，得到交通监控视频数据中每帧图像中各个车辆的位置和类型，以及重型车辆的车轴、载货情况。

2.根据权利要求1所述的一种基于多标签目标检测的重车识别方法，其特征在于，步骤S1中，利用交通监控设备获取交通监控视频数据。

3.根据权利要求1所述的一种基于多标签目标检测的重车识别方法，其特征在于，车轴类别包括两轴、三轴、四轴、五轴、六轴，载货情况有空载和满载这两个分类。

4.根据权利要求1所述的一种基于多标签目标检测的重车识别方法，其特征在于，多标签目标检测网络的结构为：

包括第一卷积层、第二卷积层、第一残差卷积组、第一池化层、第二残差卷积组、第二池化层、第三残差积组、第三池化层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层、第一上采样单元、第一拼接层、第八卷积层、第九卷积层、第十卷积层、第二上采样单元、第二拼接层、第十一卷积层和第十二卷积层；其中，

第一卷积层、第二卷积层、第一残差卷积组、第一池化层、第二残差卷积组、第二池化层、第三残差积组、第三池化层、第三卷积层、第四卷积层、第五卷积层、第六卷积层依次顺序连接，第七卷积层与第四卷积层连接，第七卷积层、第一上采样单元、第一拼接层、第八卷积层、第九卷积层依次顺序连接，第一拼接层与第三残差卷积组连接，第八卷积层和第十卷积层连接，第二残差卷积组和第二拼接层连接，第十卷积层、第二上采样单元、第二拼接层、第十一卷积层、第十二卷积层依次顺序连接。

5.根据权利要求4所述的一种基于多标签目标检测的重车识别方法，其特征在于，交通监控视频数据中的一帧三通道RGB图像经第一卷积层、第二卷积层后提取出图像的底层特征，第二卷积层输出包括底层特征的特征图，该特征图经第一残差卷积组增大1倍通道数后再经过第一池化层做池化操作，第一池化层输出的特征图经第二残差卷积组增大1倍通道数，第二残差卷积组输出的特征图A同时输入至第二池化层和第二拼接层；

特征图A经第二池化层、第三残差卷积组增大1倍通道数后，第三残差卷积组输出的特征图B同时输入至第三池化层和第一拼接层；

特征图B经第三池化层、第三卷积层、第四卷积层做卷积操作后，得到卷积后的特征图C同时输入至第七卷积层和第五卷积层；

特征图C经第五卷积层、第六卷积层后输出第一检测分支的第一特征图；

特征图C经第七卷积层、第一上采样单元后输出特征图C2至第一拼接层；

特征图B和特征图C2经第一拼接层拼接后，输出特征图BC，经过第八卷积层、第九卷积层的两层卷积操作后，输出第二检测分支的第二特征图；第八卷积层输出的特征图D同时输入至第九卷积层和第十卷积层；

特征图D经第十卷积层、第二上采样单元后输出上采样后的特征图D2；

特征图A和特征图D2经第二拼接层拼接后，输出特征图AD，经过第十一卷积层、第十二卷积层的两层卷积操作后，输出第三检测分支的第三特征图。