检测行驶车辆信息的方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106257490A(43)申请公布日2016.12.28(21)申请号201610575048.4(22)申请日2016.07.20(71)申请人乐视控股（北京）有限公司地址100025北京市朝阳区姚家园路105号3号楼10层1102申请人乐视云计算有限公司(72)发明人公绪超(74)专利代理机构北京商专永信知识产权代理事务所(普通合伙)11400代理人方挺黄谦(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书8页附图5页(54)发明名称检测行驶车辆信息的方法及系统(57)摘要本发明提供一种检测行驶车辆信息的方法，包括：至少按照车辆角度和车辆外观对车辆图片进行分类，以生成多种类别的多张车辆图片；基于多张车辆图片对深度卷积神经网络进行训练；利用训练后的深度卷积神经网络至少获取多张车辆图片中的预定区域的图像块的车辆角度特征和车辆外观特征，训练线性分类器；利用训练后的深度卷积神经网络至少获取待识别车辆图片中的预定区域的图像块的车辆角度特征和车辆外观特征，导入训练后的线性分类器进行判别，至少确定车辆的角度和车辆的外观。本发明还提供了检测行驶车辆信息的系统。本发明的方法及系统能够检测行驶车辆的信息，有效提高交通管理效率，提高识别准确度，具有较为广阔的应用前景。CN106257490ACN106257490A权利要求书1/2页1.一种检测行驶车辆信息的方法，包括：至少按照车辆角度和车辆外观对车辆图片进行分类，以生成多种类别的多张车辆图片；基于所述多张车辆图片对深度卷积神经网络进行训练；利用训练后的深度卷积神经网络至少获取所述多张车辆图片中的预定区域的图像块的车辆角度特征和车辆外观特征，训练线性分类器；利用训练后的深度卷积神经网络至少获取待识别车辆图片中的预定区域的图像块的车辆角度特征和车辆外观特征，导入所述训练后的线性分类器进行判别，至少确定车辆的角度和车辆的外观。2.根据权利要求1所述的方法，其中，所述车辆外观包括车辆颜色，所述至少按照车辆角度和车辆外观对车辆图片进行分类，以生成多种类别的多张车辆图片包括：按照第一数量类别的车辆角度和第二数量类别的车辆颜色对车辆图片进行分类，以生成第一数量乘以第二数量的多种类别的多张车辆图片。3.根据权利要求2所述的方法，其中，所述第一数量和所述第二数量均为七，所述车辆角度的类别包括：正向车头、后向车尾、左向车头、左向车尾、右向车头、右向车尾以及侧向车身；所述车辆颜色的类别包括：红、黄、蓝、绿、白、黑、棕。4.根据权利要求1所述的方法，其中，所述利用训练后的深度卷积神经网络至少获取所述多张车辆图片中的预定区域的图像块的车辆角度特征和车辆外观特征，训练线性分类器包括：利用训练后的深度卷积神经网络提取所述多张车辆图片中的预定区域的图像块的特征，所述图像块的特征至少包括梯度特征和边缘纹理特征；基于所述提取的图像块的特征至少确定车辆的角度特征和车辆的外观特征，至少利用所述车辆角度特征和车辆外观特征，训练线性分类器。5.根据权利要求1-4中任一项所述的方法，其中，所述车辆图片中的预定区域为车辆图片的下半部分。6.一种检测行驶车辆信息的系统，包括：分类模块，用于至少按照车辆角度和车辆外观对车辆图片进行分类，以生成多种类别的多张车辆图片；第一训练模块，用于基于所述多张车辆图片对深度卷积神经网络进行训练；第二训练模块，用于利用训练后的深度卷积神经网络至少获取所述多张车辆图片中的预定区域的图像块的车辆角度特征和车辆外观特征，训练线性分类器；确定模块，用于利用训练后的深度卷积神经网络至少获取待识别车辆图片中的预定区域的图像块的车辆角度特征和车辆外观特征，导入所述训练后的线性分类器进行判别，至少确定车辆的角度和车辆的外观。7.根据权利要求6所述的系统，其中，所述车辆外观包括车辆颜色，所述分类模块用于：按照第一数量类别的车辆角度和第二数量类别的车辆颜色对车辆图片进行分类，以生成第一数量乘以第二数量的多种类别的多张车辆图片。8.根据权利要求7所述的系统，其中，所述第一数量和所述第二数量均为七，所述车辆2CN106257490A权利要求书2/2页角度的类别包括：正向车头、后向车尾、左向车头、左向车尾、右向车头、右向车尾以及侧向车身；所述车辆颜色的类别包括：红、黄、蓝、绿、白、黑、棕。9.根据权利要求6所述的系统，其中，所述第二训练模块包括：特征提取组件，用于利用训练后的深度卷积神经网络提取所述多张车辆图片中的预定区域的图像块的特征，所述图像块的特征至少包括梯度特征和边缘纹理特征；特征训练组件，用于基于所述提取的图像块的特征至少确定车辆的角度特征和车辆的外观特征，至少利用所述车辆角度特征和车辆外