[发明专利]一种基于多标签目标检测的重车识别方法

说明书

本发明公开了一种基于多标签目标检测的重车识别方法，包括如下步骤：获取交通监控视频；抽取交通监控视频数据中部分图像进行标注，得到车辆多标签目标检测数据集；构建基于yolov4的多标签目标检测网络，使用上一步中得到的车辆多标签目标检测数据集进行训练；使用训练好的多标签目标检测网络进行车辆多标签目标检测，得到交通监控视频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。本发明能够对道路中重型车辆的通行情况进行比较全面的监控。

技术领域

本发明涉及交通管理与计算机视觉技术领域，特别是一种基于多标签目标检测的重车识别方法。

背景技术

现有的交通监控应用中，普遍采用卡口自动抓拍或监控摄像头人工抓拍的方式对车流量、交通通行状态进行监控。卡口自动抓拍技术较为成熟，抓拍准确率高，但是只能获取卡口处的通行状态，无法掌握道路、桥梁全局状态。监控摄像头视角较大，能够获取到较大范围的道路、桥梁情况，但是普遍需要人工抓拍和分析。

上述方法要么是采用专用设备来检测车辆，如测速雷达，成本比较高，且无法自动获得车辆类别和轴数、载货情况等信息；要么是使用人工抓拍的方法，不但速度慢，而且主观性强，识别精度有限。且上述两类方法均无法获得车辆的类别和详细信息。目前基于深度学习的自动化图像识别技术迅速发展，但是在交通监控应用中基本属于空白。现有方案存在成本过高或过度依赖人工的不足。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于多标签目标检测的重车识别方法，能够从单个监控视频中实时监控当前道路运输情况，并对道路中重型车辆的通行情况进行比较全面的监控。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于多标签目标检测的重车识别方法，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。

作为本发明所述的一种基于多标签目标检测的重车识别方法进一步优化方案，步骤S1中，利用交通监控设备获取交通监控视频数据。

作为本发明所述的一种基于多标签目标检测的重车识别方法进一步优化方案，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。

作为本发明所述的一种基于多标签目标检测的重车识别方法进一步优化方案，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，