一种车辆抓拍识别系统及方法与流程

本发明属于车辆识别，具体涉及一种车辆抓拍识别系统及方法。

背景技术：

1、车辆抓拍是一种用于捕捉、记录和识别行驶中的车辆的技术和过程，车辆抓拍可以用于多种应用，包括交通监控、停车管理、安全监控、道路收费、车辆识别、数据分析和智能交通系统等领域，车辆抓拍技术的应用范围非常广泛，可以提高交通管理的效率、改善道路安全、提供实时交通信息，以及支持犯罪调查等任务，它在智能交通系统、城市规划和安全监控中发挥着重要作用。

2、现有技术中，对摄像头采集的车辆图片进行车辆识别准确率不高，而且往往需要长时间的处理才能得到反馈结果，拖慢了违规车辆的处理时间，危害道路安全。

技术实现思路

1、为了解决现有技术存在的对摄像头采集的车辆图片进行车辆识别准确率不高，而且往往需要长时间的处理才能得到反馈结果，拖慢了违规车辆的处理时间，危害道路安全的技术问题，本发明提供一种车辆抓拍识别系统及方法。

2、第一方面

3、本发明提供了一种车辆抓拍识别方法，包括：

4、s101：利用哈希表构建车辆数据库，其中，车辆数据库包括车辆型号和相对应的车牌号码；

5、s102：基于生成对抗网络模型构建车辆生成数据；

6、s103：利用剪枝技术构建轻量级的卷积神经网络模型；

7、s104：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，结合遗传算法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；

8、s105：获取目标车辆图片，对目标车辆图片进行预处理，其中，预处理包括边缘检测和图像矫正；

9、s106：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；

10、s107：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；

11、s108：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。

12、第二方面

13、本发明提供了一种车辆抓拍识别系统，用于执行第一方面中的车辆抓拍识别方法。

14、与现有技术相比，本发明至少具有以下有益技术效果：

15、（1）在本发明中，利用哈希表构建车辆数据库用于识别结果的检索比对，充分利用了哈希表的低复杂度、高并发能力和高效存储能力，避免车辆数据量过大导致的检索效率底下的问题，提升检索效率，降低存储成本，提高了模型的识别速度。

16、（2）为了提升车辆识别准确性，通过生成对抗网络模型生成用于训练的多类型车辆生成数据，对剪枝后形成的轻量级卷积神经网络模型进行训练，结合遗传算法对难以确定最优值的超参数进行优化，克服训练数据获取难和不准确的问题，提升轻量级卷积神经网络模型的泛化能力和识别准确率，通过剪枝技术减少了卷积神经网络的参数量，进一步提高模型的识别速度。

17、（3）本发明通过图像矫正对采集到的目标车辆图片进行图像矫正，避免车辆运行状态下采集图片倾斜导致的识别准确性差的问题，进一步提升车辆识别的准确性。最终提升车辆的识别速度和识别准确性，缩短违法车辆的道路运行时间，维护道路安全。

技术特征：

1.一种车辆抓拍识别方法，其特征在于，包括：

2.根据权利要求1所述的车辆抓拍识别方法，其特征在于，所述s101具体包括：

3.根据权利要求1所述的车辆抓拍识别方法，其特征在于，所述s102具体包括：

4.根据权利要求1所述的车辆抓拍识别方法，其特征在于，所述s103具体包括：

5.根据权利要求4所述的车辆抓拍识别方法，其特征在于，所述s1032具体包括：

6.根据权利要求1所述的车辆抓拍识别方法，其特征在于，所述s104具体包括：

7.根据权利要求6所述的车辆抓拍识别方法，其特征在于，所述s1044具体包括：

8.根据权利要求1所述的车辆抓拍识别方法，其特征在于，所述s105具体包括：

9.根据权利要求1所述的车辆抓拍识别方法，其特征在于，所述车辆抓拍识别方法还包括：

10.一种车辆抓拍识别系统，其特征在于，用于执行权利要求1至9任一项所述的车辆抓拍识别方法。

技术总结
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。

技术研发人员：袁梦,韦冬娜,杨涛,黄世武,胡平华,吴伟涌,翟力军,朱玉锋,凌善邦,辛韦进,吴禄彬,秦磊磊,康茜
受保护的技术使用者：中远海运特种运输股份有限公司
技术研发日：
技术公布日：2024/1/15