[发明专利]一种深度卷积神经网络运动车辆检测方法

摘要

本发明涉及一种基于深度卷积神经网络的运动车辆检测方法。本发明利用单目摄像头实现对前方运动车辆的检测算法，提出了一种基于卷积神经网络的运动车辆检测框架。通过卷积网络可以非常准确的获取车辆特征，进而可以准确分离出目标车辆，达到机器识别的效果，从而能够更快速的跟踪到目标车辆。并且在车辆检测方面能够适应高速行驶的环境，为智能辅助驾驶的实现提供了技术保障。本发明不仅解决了交通安全、提高道路行车吞吐量、降低恶性交通事故发生率、还减少生命财产损失。从提高社会经济效益来说，这一发明具有极大的现实意义和广阔的应用前景。

主权项

1.一种深度卷积神经网络运动车辆检测方法，其特征在于包括如下步骤：/n步骤1.将前期图像进行预处理；/n步骤2.采用一个LeNet-5卷积神经网络结构进行候选区域提取；该神经网络结构由卷积层特征提取和BP神经网络两部分组成，且卷积层共有5层；/n2-1.卷积层的输入为一段视频中经过预处理的单帧图片，将该图片传入卷积层的S1层，分别与x个5×5的不同类型车辆的卷积核进行卷积，得到x个可能包含不同类型车辆特征信息的特征图；/n2-2.在卷积层的C2层对特征图进行下采样；/n2-3.将压缩后的特征图在卷积层S3重新与5×5大小的卷积核进行运算；/n该处卷积的目的在于对压缩后的特征图进行模糊处理，弱化运动车辆的位移区别；由于此时数据量仍然很大，因此需要进一步操作；/n2-4.对卷积层的C4层继续进行(2,2)尺寸的下采样操作，得到卷积层的S5层；/n2-5.将得到的卷积层的S5层经过重构，得到卷积层的F6层，该层即为输出的检测结果，由于输出的检测结果要包含这x种不同类型车辆的检测结果，因此在F6层中需要输出x个5×5特征图来表示所对应车辆类型的检测结果，并将每种车辆类型的检测判断结果按序输出；/n步骤3.采用中值滤波对候选区域进行验证。/n