申请/专利权人：中远海运特种运输股份有限公司;广州中远海运船舶技术工程有限公司

申请日：2023-11-09

公开（公告）日：2024-03-19

公开（公告）号：CN117218613B

主分类号：G06V20/54

分类号：G06V20/54;G06N3/0464;G06N3/0475;G06N3/082;G06N3/094;G06N3/126;G06V10/764;G06V10/82;G06V20/62;G06F16/58;G08G1/017

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明公开了一种车辆抓拍识别系统及方法，属于车辆识别技术领域，方法包括：利用哈希表构建车辆数据库；构建车辆生成数据和卷积神经网络模型；利用车辆生成数据对优化后的卷积神经网络模型进行车辆识别训练，对卷积神经网络模型进行超参数优化，直至卷积神经网络模型的车辆识别正确率达到预设准确率；获取目标车辆图片，对目标车辆图片进行预处理；利用训练好的卷积神经网络模型对预处理后的目标车辆图片进行车辆识别，提取车辆型号与车牌号码；将识别结果与车辆数据库进行检索，获取检索结果，在检索结果一致的情况下，输出目标车辆信息；在检索结果不一致的情况下，将目标车辆纳入违法车辆库，发出危险预警。提升车辆识别速度和准确性。

主权项：1.一种车辆抓拍识别方法，其特征在于，包括：S101：利用哈希表构建车辆数据库，其中，所述车辆数据库包括车辆型号和相对应的车牌号码；S102：基于生成对抗网络模型构建车辆生成数据；S103：利用剪枝技术构建轻量级的卷积神经网络模型；S104：利用所述车辆生成数据对优化后的卷积神经网络模型进行车辆识别训练，结合遗传算法对所述卷积神经网络模型进行超参数优化，直至所述卷积神经网络模型的车辆识别正确率达到预设准确率；S105：获取目标车辆图片，对所述目标车辆图片进行预处理，其中，所述预处理包括边缘检测和图像矫正；S106：利用训练好的所述卷积神经网络模型对预处理后的目标车辆图片进行车辆识别，提取车辆型号与车牌号码；S107：将识别结果与所述车辆数据库进行检索，获取检索结果，在所述检索结果一致的情况下，输出目标车辆信息；S108：在所述检索结果不一致的情况下，将所述目标车辆纳入违法车辆库，发出危险预警;所述S103具体包括：S1031：为所述卷积神经网络模型的每个卷积核设置一个可调保留参数，并将所述可调保留参数转换成对应的所述卷积核的前向运算比值： ；其中，表示所述可调保留参数，b表示边界，ij表示第i层卷积层的第j个卷积核，表示所述前向运算比值；S1032：增加所述可调保留参数的约束条件，收缩所述可调保留参数，确定所述前向运算比值为零的卷积核；S1033：移除收缩后的前向运算比值为零的卷积核，得到所述轻量级的卷积神经网络模型;所述S1032具体包括：S1032A：将所述卷积核的输出通过所述前向运算比值进行转换： ；其中，表示卷积核原始输出，表示卷积核真实输出；S1032B：增加所述可调保留参数的约束条件，对所述可调保留参数进行收缩，所述约束条件具体为： ；其中，表示所述约束条件，e和E分别表明当前迭代次数和第一预设迭代次数;所述S104具体包括：S1041：将所述车辆生成数据按预设比例划分为训练集和测试集；S1042：利用所述训练集对所述卷积神经网络模型进行训练；S1043：利用所述测试集验证训练后的卷积神经网络模型的车辆识别正确率；S1044：在所述车辆识别正确率低于所述预设准确率的情况下，结合所述遗传算法对所述卷积神经网络模型进行超参数优化，返回S1042；S1045：在所述车辆识别正确率大于或者等于所述预设准确率的情况下，完成所述卷积神经网络模型的训练;所述S1044具体包括：S1044A：确定以所述超参数作为生物个体的位置更新公式： ；其中，表示更新后位置，表示当前最优位置，Sg表示所述生物个体的适应度值;均表示随机位置，t表示当前迭代次数，表示参数，表示线性趋近于0的参数，表示随机数，W表示权重，p表示r的最大阈值，表示最大迭代次数，表示迭代过程中的最佳适应度值，表示当前迭代过程中的最优适应度值，表示当前迭代过程中的最低适应度值，表示所述生物个体的适应度值排在种群前半部分的个体；S1044B：设置切换频率和搜索模式，重新确定所述生物个体的更新位置，直至当前迭代次数大于或等于第二预设迭代次数，提取最优个体，其中，所述搜索模式包括重新搜索和围绕所述当前最优位置进行搜索；S1044C：将所述最优个体对应的值作为所述超参数的值。

全文数据：

权利要求：

百度查询： 中远海运特种运输股份有限公司;广州中远海运船舶技术工程有限公司 一种车辆抓拍识别系统及方法

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