申请/专利权人：福建省高速公路科技创新研究院有限公司

申请日：2024-03-25

公开（公告）日：2024-06-14

公开（公告）号：CN117935186B

主分类号：G06V20/54

分类号：G06V20/54;G06V10/44;G06V10/40;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明涉及危险品车辆识别技术领域，尤其为一种强光抑制的隧道内危险品车辆识别方法，包括获取卡口摄像头抓拍图片；进行图片梯度特征图构建，形成车脸的边缘特征；同时对原始抓拍图片进行图层分解，获得去除隧道环境下车辆灯光影响的图片；对两项处理得到的图片进行融合；增强后的图片累积至一定数量级后输入识别模型中，用于模型参数调整；模型输出车辆的车脸检测结果以及特殊标志的检测结果，判断经过车辆是否为危险品车辆；抓拍图片处理方法与识别模型进行量化与导出，完成轻量化边缘设备部署。本发明通过强光抑制与微调模型，有效解决了隧道场景下危险品车辆识别不精准的问题。

主权项：1.一种强光抑制的隧道内危险品车辆识别方法，其特征在于：包括以下步骤：步骤S1、获取卡口摄像头的车辆抓拍图片，通过构建视域内车脸边缘特征图和基于图层分解的车源强光抑制方法，增强车辆视觉特征，具体包括以下步骤：步骤S1.1、获取卡口摄像头正视视角下的车辆抓拍原始图片，将图像尺寸调整为统一的080，车脸在图片中的占比不低于80%，得到输入图片；步骤S1.2、将图片放入专用卷积模块，得到图像中车脸的边缘特征图；步骤S1.3、将图片放入车源强光抑制方法，通过图层分解后得到光源抑制后的特征图；步骤S1.4、将边缘特征图和光源抑制后的特征图进行融合，得到效果增强的车辆图片；车源强光抑制方法由两个分支组成，分别是光源层、背景层，其中，光源层的梯度是短尾分布，背景层的梯度是长尾分布的；步骤S2、累积增强后的车辆抓拍图片，通过数据驱动的微调方法，修正模型参数并进行危险品车辆识别，模型支持轻量化的边缘端部署，包括以下步骤：步骤S2.1、车脸特征深度提取：获取步骤S1的结果，将放入基于深度残差网络构建的骨干网络中，得到深度特征图；步骤S2.2、不同分辨率下的车脸特征解析：将深度特征图和效果增强的车辆图片放入特征金字塔网络构建的连接神经网络中，得到车脸特征图；步骤S2.3、不同分辨率下的危险品车脸特征检测：以车脸特征和预设的危险品车辆标志锚框作为输入，通过卷积层进行特征转换，生成检测结果，检测结果包含2维的坐标信息，2维的长宽信息，以及K维one-hot编码的分类向量；步骤S2.4、重复危险品车脸候选框的过滤：不同分辨率下的危险品车脸特征检测会产生重复有折叠的危险品车脸候选框，通过非极大值抑制方法消除冗余的候选框；步骤S2.5、不同视角下的危险品车辆识别微调：使用在大数据上得到的预训练模型进行步骤S2.1到步骤S2.4的危险品车辆识别模型的初始化，分割隧道场景的危险品车辆图片为训练集和验证集，通过在训练集进行重叠度阈值threshold、学习率，获得隧道场景下不同视角下的危险品车辆最佳识别模式；步骤S2.6、量化模型：步骤S2.5所述模型使用32位或16位浮点数值进行训练，在边缘设备上使用时需要进行8位整型数值的量化过程，减小数据传输和存储的需求，搭配边缘设备的硬件加速和计算芯片支持，提高推理性能。

全文数据：

权利要求：

百度查询： 福建省高速公路科技创新研究院有限公司 一种强光抑制的隧道内危险品车辆识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD