专利汇可以提供基于视频深度学习的车辆识别方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于视频 深度学习 的车辆识别方法,包括以下步骤:步骤a、利用车载摄像头对路况进行实时收集,将视频通过 硬件 设备进行 图像分割 形成独立的二值图像,采用图像目标检测 算法 对图片进行预处理;步骤b、利用深度学习对经过预处理的灰度图进行二值化处理过程中,使用 迭代 法统计并计算出图像的各灰度分布,并对此进行迭代确定图像的最佳分割 阈值 ;步骤c、将经过处理的灰度图导入边缘计算平台对其进行特征提取,分离目标与背景区域,对复杂背景与车辆进行分离,仅对车辆部分进行增强;步骤d、将经过处理的图像导入智能 云 镜终端显示。本发明提供的一种基于视频深度学习的车辆识别方法,检测速度快、检测效率高、对图片 精度 要求低和能够保证准确度。,下面是基于视频深度学习的车辆识别方法专利的具体信息内容。
1.一种基于视频深度学习的车辆识别方法,其特征在于:包括以下步骤:
步骤a、利用车载摄像头对路况进行实时收集,将视频通过硬件设备进行图像分割形成独立的二值图像,采用图像目标检测算法对图片进行预处理;
步骤b、利用深度学习对经过预处理的灰度图进行二值化处理过程中,使用迭代法统计并计算出图像的各灰度分布,并对此进行迭代确定图像的最佳分割阈值;
步骤c、将经过处理的灰度图导入边缘计算平台对其进行特征提取,分离目标与背景区域,对复杂背景与车辆进行分离,仅对车辆部分进行增强;
步骤d、将经过处理的图像导入智能云镜终端显示。
2.根据权利要求1所述的基于视频深度学习的车辆识别方法,其特征在于:步骤a中,图片预处理过程包括进行形状检测并经过灰度变换、灰度拉伸、去噪、滤波过程。
3.根据权利要求1所述的基于视频深度学习的车辆识别方法,其特征在于:步骤b中,迭代法计算灰度分布,确定图像的最佳分割阈值的方法具体步骤为:
步骤b1、去除最大最小的灰度值,取剩余的图像灰度的中值作为初始阈值T(j),j为迭代次数,初始j=0;
步骤b2、用T(j)分割图像,将图像分为两个区域,分别为C1(j)、C2(j);
步骤b3、利用公式计算C1(j)的平均灰度值:
利用公式计算C2(j)的平均灰度值:
其中 为第j次迭代时区域C1的像素点个数, 为第j次迭代时区域C2的像素点个数,f(x,y)表示图像中(x,y)点的灰度值;
步骤b4、利用公式计算得到一个新的门限值;
步骤b5、令j=j+1,重复步骤b2、b3和b4三个步骤,使得T(j+1)与T(j)的差小于规定值或j达到最大的迭代次数。
4.根据权利要求1所述的基于视频深度学习的车辆识别方法,其特征在于:步骤c中,分离目标与背景区域的方法具体步骤为:
步骤c1、引入颜色特征作为SVM分类的辅助特征,将基于HSV空间的颜色直方图这一特征与ORB特征算法相结合进行物体识别,增加识别的鲁棒性,分离目标与背景区域;
步骤c2、在提取目标与背景区域时,利用边缘检测算法提取出反映灰度变化的边缘点,然后剔除某些边界点或者填补边界间断点,将这些边缘连接成完整的线,提取出初步图像;
步骤c3、将提取出的初步图像采用支持向量机SVM进行图像分类获得车辆特征。
5.根据权利要求4所述的基于视频深度学习的车辆识别方法,其特征在于:步骤c1包括以下具体步骤:
步骤c11,将视频序列中图像帧的颜色空间划分为若干子区间,每个子区间对应一个直方图的bin区间;
步骤c12,根据人体的视觉分辨能力将H空间分为8份,S空间和V空间分别分为3份,根据色彩的范围不同和主观颜色感知对HSV空间进行非等间隔的量化;
步骤c13,根据步骤c12所得量化级,将各颜色分量根据公式G=HQsQv+SQv+V合成构造一维特征矢量,其中,Qs和Qv分别是分量S和V的量化级数;
步骤c14,遍历图像,统计出颜色空间各子区间的图像像素点数目,通过公式计算得出图像帧的颜色分布情况,从而提取出所需的颜色特征,
其中,k为直方图矢量的某一维度,L表示直方图bin的数目,nk是划入对应颜色空间子区间的像素点数目,N表示图像的像素点总数;H(k)表示图像中颜色的组成分布,即出现了哪些颜色以及各种颜色出现的概率。
步骤c14,通过ORB特征匹配算法检测获取初始目标位置,输入目标图像作为特征模板,再通过ORB特征点的方向信息对搜索窗口进行修正,从而检测得到一个移动的目标位置。
6.根据权利要求4所述的基于视频深度学习的车辆识别方法,其特征在于:步骤c3包括以下具体步骤:
步骤c31、增加RPN网络的候选区域搜索目标框为322、642、1282、2562、5122中的其中一种,候选区域的长宽比例为1:1、1:2、2:1中的一种;将获得的车辆特征图片导入RPN网络,RPN网络通过平移与缩放对其进行修正,得到建议框,同时剔除不准确的建议框;
步骤c32、确定建议框与原始图片的前景区域对应的特征映射块,将其使用金字塔池化的方法向量化,得到特征向量,然后将特征向量输入SVM中进行具体分类,采用一对多方法,将提取出的初步图像作为一个样本类别,将训练库中的图像作为另一个图像类别,进行分类学习,从而获得车辆特征。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
带宽压缩中的后选择预测方法 | 2020-05-08 | 1009 |
一种基于深度学习的CT图像中肾脏分割方法 | 2020-05-08 | 767 |
一种基于SVM分类器的纸币冠字号字符分割方法 | 2020-05-08 | 621 |
图像压缩方法、设备及系统 | 2020-05-08 | 505 |
基于视频深度学习的车辆识别方法 | 2020-05-08 | 756 |
基于捕获内容的截屏图像的像素将显示内容分割成区域 | 2020-05-11 | 27 |
一种基于图谱组合信息稀疏表示的多图谱标签融合方法 | 2020-05-08 | 466 |
图像的语义分割方法、装置、电子设备及可读存储介质 | 2020-05-08 | 858 |
基于障碍物的下端线检测ROI的方法和装置 | 2020-05-08 | 626 |
基于深度学习的纵膈淋巴结超声弹性图像分割分类方法 | 2020-05-11 | 400 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。