一种渣土车车厢密闭识别方法技术

本发明专利技术提供一种渣土车车厢密闭识别方法，包括渣土车车厢检测以及车厢细粒度分类；车厢检测部分是通过检测模型定位回归监控图片中的渣土车车厢的位置坐标；车厢细粒度分类部分是利用位置信息提取图片中的渣土车车厢区域图片，通过基于注意力机制的细粒度分类模型识别车厢的类别，判断车厢是否是合规密闭。本方法通过对提取的车厢图片进行基于注意力机制的细粒度分类，可以更好的利用车厢中局部的关键特征用于实现车厢类别分类的目的；并提高提高分类的准确率；本发明专利技术首先通过检测模型对监控摄像头中拍摄到的渣土车图片进行车厢的检测，再提取车厢图片利用细粒度车厢分类网络进行车厢类别的分类，得到该渣土车车厢的密闭类别。别。别。

【技术实现步骤摘要】
一种渣土车车厢密闭识别方法


[0001]本专利技术涉及机图像别
，尤其是一种渣土车车厢密闭识别方法。

技术介绍

[0002]伴随着近些年城市发展的加快，高楼大厦的建设、路面的铺设、城市轨道交通以及旧城改造等项目如雨后春笋，据统计，我国建筑垃圾年排放量约在15.5亿至24亿吨，占城市垃圾总量的40％左右，如何有效处理建筑垃圾是城市治理的难题。建筑垃圾的处理离不开渣土车的运输，这些车辆在城市中的穿梭，也引起了越来越多的问题，如超载行驶、不密闭运输，不仅仅破坏污染了城市环境，更对居民生活安全造成了严重的影响。
[0003]渣土车车厢未密闭可能是因为超载无法密闭就上路，因此容易抛洒渣土影响城市卫生，也会对路面其它车辆的行驶造成安全隐患。
[0004]当前，对渣土车的监管任然是管理部门以人为查处为主，现有的监控设备无法对渣土车违规运输进行实时有效的识别。
[0005]现有技术还通过基于图像处理的车厢密闭识别方法主要是基于卷积神经网络、基于盖板闭合距离以及基于关键点和并联网络识别来判断。
[0006]其中，基于卷积神经网络通过目标检测的技术从渣土车图像中切割提取车厢部位后，再将图像转化成矩阵，利用训练好的车厢装载网络对输入的车厢图片进行分类，输出车厢的装载类型。然而基于卷积神经网络识别车厢密闭与否虽然只针对车厢区域进行图片分类，但是不管是密闭还是未密闭的车厢都有大面积的相似或者相同区域，仅仅是车厢盖板连接处的区域有些许差异，因此，该方法对于盖板是否严格密闭或者半密闭等情形分类效果较差。/>[0007]基于左右盖板的闭合距离是通过计算渣土车左右盖板闭合时两边之间的距离，设置一个阈值来判断是否闭合。如距离大于某阈值则为未密闭，小于某阈值则为完全密闭。
[0008]基于左右盖板的闭合距离识别车厢是否闭合，一方面在光线较暗或者存在部分遮挡情况下可能会无法精准定位盖板左右的边，因此可能会造成误差；此外，通过设置阈值的方法来判断车厢是否密闭对于该方法的泛化性是存疑的，因为渣土车的种类、大小很多，有些渣土车车厢并不都是采用盖板来密闭。
[0009]而基于关键点和并联网络识别是将样本图像输入识别模块输出渣土车的载货区域的多个关键点，再利用关键点提取载货区域输入分类模块。通过并联的多级网络判断该车厢是否是密闭。
[0010]基于关键点和并联网络识别的方法依赖于对车厢各个位置顶点的识别，对于监控的俯视视角下容易造成车厢的部分被遮挡，因此可能会无法完整识别出各个顶点的位置造成无法识别；此外，在渣土车集中出现的晚上视线较差时，对于关键是的定位会更加困难。

技术实现思路

[0011]针对现有技术的不足，本专利技术提供一种渣土车车厢密闭识别方法，对监控中拍摄
到的渣土车图片进行识别，自动的找出车厢未密闭的违规渣土车，推进城市渣土车的长效治理。
[0012]本专利技术的技术方案为：一种渣土车车厢密闭识别方法，所述的方法分成渣土车车厢检测以及车厢细粒度分类两个部分；
[0013]车厢检测部分是通过检测模型定位回归监控图片中的渣土车车厢的位置坐标；
[0014]车厢细粒度分类部分是利用位置信息提取图片中的渣土车车厢区域图片，通过基于注意力机制的细粒度分类模型识别车厢的类别，判断车厢是否是合规密闭，具体包括以下步骤：
[0015]S1)、通过摄像头获取渣土车图像；
[0016]S2)、利用LabelImg软件对图中车厢区域进行标定作为车厢检测模型的数据集；
[0017]S3)、提取渣土车车厢图像作为后续细粒度分类模型的数据集；
[0018]S4)、将渣土车车厢图像的数据集处理成检测模型训练和测试对应的格式；
[0019]S5)、利用标定的数据集对YOLO V5检测模型进行训练；
[0020]S6)、用训练好的YOLO V5检测模型回归并裁剪待测渣土车监控图片中的车厢；
[0021]S7)、基于注意力机制的车厢密闭细粒度分类。
[0022]作为优选的，步骤S4)中，将渣土车车厢图像的数据集处理成检测模型训练和测试对应的格式是指通过人工对将渣土车车厢图像进行分类，分成四个对应的标签：全密闭、未密闭、半密闭和空车厢，并且将同一个类别的图片放在同一个文件夹中。
[0023]作为优选的，步骤S6)中，通过将待测渣土车监控图片输入训练好的检测模型，通过检测模型输出图像位置坐标，实现测渣土车监控图片中的车厢的回归处理。
[0024]作为优选的，步骤S7)中，基于注意力机制的车厢密闭细粒度分类，具体为：
[0025]S71)、对步骤S3)中收集到的渣土车车厢图片进行预处理，将车厢图片按照全密闭、未密闭、半密闭和空车厢四个类别进行分类，形成细粒度分类的数据集；
[0026]S72)、使用细粒度分类的数据集训练基于注意力机制的细粒度分类模型；
[0027]S73)、不断测试和调优细粒度分类模型；
[0028]S74)、最后将检测模型提取的车厢图片送入细粒度分类模型中直接输出分类结果。
[0029]作为优选的，步骤S71)中，对渣土车车厢图片进行预处理，包括：
[0030](1)渣土车车厢图片进行旋转和缩放；
[0031](2)渣土车车厢图片归一化去掉冗余信息；
[0032](3)对渣土车车厢图片进行灰度处理，降低处理参数。
[0033]本专利技术的有益效果为：
[0034]1、本方法通过对提取的车厢图片进行基于注意力机制的细粒度分类，可以更好的利用车厢中局部的关键特征用于实现车厢类别分类的目的；并提高提高分类的准确率；
[0035]2、本专利技术首先通过检测模型对监控摄像头中拍摄到的渣土车图片进行车厢的检测，再提取车厢图片利用细粒度车厢分类网络进行车厢类别的分类，得到该渣土车车厢的密闭类别；
[0036]3、本专利技术基于检测到的渣土车车厢直接送入细粒度分类模型中，不需要其它额外的操作，因此，对于车身车厢的完整度以及光线等无特殊要求，本专利技术实现的基于细粒度分
类的渣土车车厢密闭识别对于监控视角下道路上行驶的渣土车具有很好的识别效果。
附图说明
[0037]图1为本专利技术方法的流程图；
[0038]图2为本专利技术渣土车车厢分类的示意图；
具体实施方式
[0039]下面结合附图对本专利技术的具体实施方式作进一步说明：
[0040]如图1所示，本实施例提供一种渣土车车厢密闭识别方法，所述的方法分成渣土车车厢检测以及车厢细粒度分类两个部分；
[0041]所述的车厢检测部分是通过检测模型定位回归监控图片中的渣土车车厢的位置坐标；
[0042]所述的车厢细粒度分类部分是利用位置信息提取图片中的渣土车车厢区域图片，通过基于注意力机制的细粒度分类模型识别车厢的类别，判断车厢是否是合规密闭，具体包括以下步骤：
[0043]S1)、通过摄像头获取渣土车图像；
[0044]S2)、利用Label本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种渣土车车厢密闭识别方法，其特征在于：所述的方法分成渣土车车厢检测以及车厢细粒度分类两个部分；所述的车厢检测部分是通过检测模型定位回归监控图片中的渣土车车厢的位置坐标；所述的车厢细粒度分类部分是利用位置信息提取图片中的渣土车车厢区域图片，通过基于注意力机制的细粒度分类模型识别车厢的类别，判断车厢是否是合规密闭，具体包括以下步骤：S1)、通过摄像头获取渣土车图像；S2)、利用LabelImg软件对图中车厢区域进行标定作为车厢检测模型的数据集；S3)、提取渣土车车厢图像作为后续细粒度分类模型的数据集；S4)、将渣土车车厢图像的数据集处理成检测模型训练和测试对应的格式；S5)、利用标定的数据集对YOLO V5检测模型进行训练；S6)、用训练好的YOLO V5检测模型回归并裁剪待测渣土车监控图片中的车厢；S7)、基于注意力机制的车厢密闭细粒度分类。2.根据权利要求1所述的一种渣土车车厢密闭识别方法，其特征在于：步骤S4)中，将渣土车车厢图像的数据集处理成检测模型训练和测试对应的格式是指通过人工对将渣土车车厢图像进行分类，分成四个对应的标签：全密闭、未密闭、半密闭和空车...

【专利技术属性】
技术研发人员：音松，
申请(专利权)人：广州云迪科技有限公司，
类型：发明
国别省市：