[发明专利]一种基于道路车型的检测方法及检测设备

权利要求书

1.一种基于道路车型的检测方法，其特征在于，方法包括：

步骤一，基于预设位置安装的摄像头采集道路上的车辆数据，对车辆数据进行标注，并构建车辆数据集；

获取摄像头采集的图片信息，识别图片信息中的面部信息和车型信息；

在进行面部信息识别的图片信息配置面部边界框，对面部边界框进行面部标注，形成第一车辆数据，并构建第一车辆数据集；

在进行车型信息识别的图片信息配置车型边界框，对车型边界框进行车型标注，形成第二车辆数据，并构建第二车辆数据集；

步骤二，将车辆数据集送入神经网络模型中，执行多轮训练进程，对车辆数据集中的车辆数据进行解析；

每一轮训练进程为，在不同尺度图片的每个网格上预设先验框来包含所有需要预测的目标，分别计算真实框与每个先验框的宽与宽、高与高之比，选取宽之比和高之比中的最大值作为比例，当其小于预设的超参数时，将处在真实框中心点的网格上的该先验框纳为正样本，将临近中心网格的两个网格上符合相同要求的先验框也作为正样本，其余为负样本；

再将先验框与真实标注框之间的损失值进行计算，对网络中参数进行梯度下降，使用与训练集隔离的验证集对当前模型进行评价；在多轮训练之后，损失值趋于预设阈值时，结束训练；

步骤三，得到车辆数据预测结果后，判断为三轮车、或二轮车时，进行头盔检测和超载检测。

2.根据权利要求1所述的基于道路车型的检测方法，其特征在于，

步骤一中，分别将第一车辆数据集和第二车辆数据集分解为训练集、验证集以及测试集；

训练集用以训练模型参数；验证集用以评估神经网络模型是否满足拟合条件；测试集用以计算评价指标。

3.根据权利要求1所述的基于道路车型的检测方法，其特征在于，在图片信息中配置坐标系。

4.根据权利要求1所述的基于道路车型的检测方法，其特征在于，

步骤二中，分别计算真实框与每个先验框的宽与宽、高与高之比，选取宽之比和高之比中的最大值作为比例的方式包括：

基于如下公式进行计算：

其中为先验框与真实框的相交面积，为先验框和真实框的并面积；

其中，A、B分别为先验框、真实框，()、（）分别为框的左上角和右下角坐标；为先验与真实框中心点距离，为两框最小外接矩形的对角线；为两框的宽高比相似度，是与和值的相关系数；

损失函数如下：

其中，S为宽或高的网格数，代表网格i中是否包含目标，为0时不包含目标，为1时包含目标；为类别c在网格i中预测的概率，为类别c在网格i中的真实概率；

置信度损失为正负样本置信度之和，其中，是i网格的预测置信度，有目标为1，无目标为0；为权重。

5.根据权利要求1所述的基于道路车型的检测方法，其特征在于，

步骤三中，基于测试集对神经网络模型进行评价，并通过如下指标进行评价：

评价指标包括：召回率Recall和精度Precision；

召回率信息Recall的计算方式为：

其中，TP表示神经网络模型正确地预测样本为正样本的个数，FN表示神经网络模型错误地预测样本为负样本的个数；

精度Precision的计算方式为：

其中，FP是神经网络模型错误地预测样本为正样本的总数，也即误检个数。

6.根据权利要求1所述的基于道路车型的检测方法，其特征在于，步骤四包括：利用第二车辆数据集解析出的车辆数据所对应的车型类别；

若从当前图片信息中解析出三轮车和/或二轮车，则从当前图片信息中裁剪出来；

记录三轮车和二轮车的数量，并得到佩戴头盔的人数和未戴头盔的人数。

7.根据权利要求1所述的基于道路车型的检测方法，其特征在于，车型类别包括：三轮车、面包车、卡车、轿车、二轮车、客车、货车和公交车。

8.一种检测设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于道路车型的检测方法的步骤。