摘要
本发明公开了一种基于多特征深度学习的车辆自动检测方法,其包括以下步骤:S1:建立车辆图像数据集;S2:提取车辆的关键特征,所述关键特征包括车辆轮廓特征、车辆颜色特征、车头特征和车尾特征;S3:建立重识别模型,所述重识别模型采用所述车辆轮廓特征、所述车辆颜色特征、所述车头特征和所述车尾特征联合训练得到;S4:修正重识别模型,采用测试数据对步骤S3中的重识别模型进行测试和修正,得到修正重识别模型;S5:获取实时车辆图像,采用步骤S4的修正重识别模型进行识别,完成车辆的重识别。本发明还公开了一种基于多特征深度学习的车辆自动检测系统。本发明可以解决使用全局特征进行车辆重识别导致的效果不佳的技术问题。
技术关键词
车辆自动检测方法
车辆轮廓特征
车辆图像数据
自动检测系统
车辆重识别
车头
融合特征
特征提取模块
识别模块
子模块
颜色
原始图像数据
图像采集模块
神经网络模型
尺寸
系统为您推荐了相关专利信息
参数监测方法
交通
参数监测装置
算法
车辆重识别
人机交互装置
传感头
自动检测系统
状态显示装置
壳体底部
焊缝自动检测系统
注意力机制
模型训练模块
电焊机
颈部结构
特征融合方法
车辆重识别
分支
三元组
特征金字塔
车辆图像数据
检测停车位
标记
车牌识别技术
背景减除算法