[发明专利]基于深度卷积神经网络的多任务套牌车辆视觉检测系统及方法

摘要

一种基于深度卷积神经网络的多任务套牌车辆视觉检测系统，包括安装在城市道路上的摄像机、交通云服务器和套牌假牌车辆检测系统；摄像机用于获取城市各道路上的抓拍图像数据，配置在道路的上方；交通云服务器用于接收从摄像机所获得的道路视频数据，并将其递交给套牌假牌车辆检测系统进行检测和识别，套牌假牌车辆检测系统包括基于Faster R‑CNN车辆定位检测模块、车辆类型识别模块、车牌定位涉牌违法和识别模块、车牌合法性检测模块、逻辑一致性检测模块、车检标精细比对模块和告警通知书生成模块。以及提供一种基于深度卷积神经网络的多任务套牌车辆视觉检测方法。本发明能快速准确的锁定套牌假牌车辆，有效提高刑事侦查效能。

主权项

一种基于深度卷积神经网络的多任务套牌车辆视觉检测系统，其特征在于：包括安装在城市道路上的摄像机、交通云服务器和套牌假牌车辆检测系统；所述的摄像机用于获取城市各道路上的抓拍图像数据，配置在道路的上方，通过网络将道路上的抓拍图像数据传输给所述的交通云服务器；所述的交通云服务器用于接收从所述的摄像机所获得的道路抓拍图像数据，并将其递交给所述的套牌假牌车辆检测系统进行车辆基本信息的一致性、车辆与车牌发牌机关一致性、无黑名单记录、基本信息一致性和逻辑一致性识别检测，若识别检测发现存在有任何一种不一致情况，生成告警通知书并推送给管理人员，管理人员接到报警后，确认告警通知书中的内容，根据线索对违法车辆进行追踪，并通知路面周边警力做好拦截准备；所述的套牌假牌车辆检测系统包括基于Faster R‑CNN车辆定位检测模块、车辆类型识别模块、车牌定位涉牌违法和识别模块、车辆与车牌发牌机关一致性的检测模块、车牌合法性检测模块、基本信息一致性检测模块、逻辑一致性检测模块、车检标精细比对模块和告警通知书生成模块；其中，所述的基于Faster R‑CNN车辆定位检测、所述的车辆类型识别、车牌定位和车检标定位和所述的车检标精细比对模块都共享CNN网络，采用递进式的多任务深度卷积神经网络技术；所述的车辆类型识别模块用于对所述的基于Faster R‑CNN车辆检测模块处理中框定出来车辆的图像进行车辆固有属性的识别，包括车辆的类型、颜色和品牌型号；在对所述的基于Faster R‑CNN网络进行学习训练时，将各种车辆的类型、颜色和品牌型号分别打上标签作为训练数据集对Faster R‑CNN网络进行训练，这样在对车辆固有属性识别时，SoftMaxLoss层就会输出车辆的类型、颜色和品牌型号识别结果，Faster R‑CNN网络支持多标签的输入。