(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210441038.7 (22)申请日 2022.04.25 (71)申请人 深圳智优停科技有限公司 地址 518063 广东省深圳市南 山区粤海街 道高新区社区白石路3609号深圳湾 科 技生态园二区9栋A19 26 (72)发明人 鲁继勇　陈昌凤　赖胜军　 (74)专利代理 机构 广州永华专利代理有限公司 44478 专利代理师 梁国锐 (51)Int.Cl. B08B 1/00(2006.01) B08B 13/00(2006.01) G06V 20/10(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 卷积神经网络训练方法、 镜头脏污类型判断 方法、 镜头雨刷控制方法、 存 储介质及拍摄系统 (57)摘要 本发明提供卷积神经网络训练方法、 镜头脏 污类型判断方法、 镜头雨刷控制方法、 存储介质 及拍摄系统， 该训练方法包括： 获取多张镜头拍 摄图像作为学习样本对卷积神经网络进行多次 训练直至 具备镜头脏污类型的能力， 每次训练包 括： 将镜头拍摄图像输入到卷积神经网络中进行 镜头脏污类型识别； 获取镜头脏污类型标签； 将 镜头脏污类型识别结果与镜头脏污类型标签进 行一致性对比， 若不一致则卷积神经网络调整识 别参数后继续进行镜头脏污类型识别， 直至对比 结果为一致。 然后由该卷积神经网络判断得出镜 头脏污类型， 若判断出镜头存在湿滑类脏污则启 动雨刷， 利用雨刷将镜头刷干净， 若判断镜头存 在干燥类脏污则不启动雨刷， 避免雨刷将镜头越 刷越模糊。 权利要求书1页 说明书5页 附图2页 CN 114713531 A 2022.07.08 CN 114713531 A 1.为判断镜 头脏污类型而对卷积神经网络进行的训练方法， 其特 征是， 包括如下步骤： P.获取多张镜头拍摄 图像， 其中部分镜头拍摄 图像中存在湿滑类脏污， 部分镜头拍摄 图像中存在干燥类脏 污； Q.以这多张镜头拍摄图像作为学习样本分别对卷积神经网络进行多次训练， 从而使该 卷积神经网络具备根据镜头拍摄图像判断镜头脏污类型的能力， 每次训练采用一张镜头拍 摄图像， 包括如下步骤A、 B、 C： ——A.将镜 头拍摄图像输入到卷积神经网络中进行镜 头脏污类型识别； ——B.获取该镜头拍摄图像的镜头脏污类型标签， 具体对应湿滑类脏污或干燥类脏 污； ——C.将镜头脏污类型识别结果与镜头脏污类型标签进行一致性对比， 若对比结果为 不一致则卷积神经网络调整识别参数后重新对 该镜头拍摄图像进 行镜头脏污类型识别， 直 至镜头脏污类型识别结果与镜 头脏污类型标签的对比结果 为一致。 2.镜头脏污类型判断方法， 其特 征是， 包括如下步骤： a.获取待判断镜 头脏污类型的镜 头拍摄图像； b.将所述镜头拍摄图像输入到已训练好的卷积神经网络， 由所述已训练好的卷积神经 网络根据输入的镜 头拍摄图像判断得 出镜头脏污类型是湿滑类脏 污还是干燥类脏 污。 3.根据权利要求2所述的镜头脏污类型判断方法， 其特征是， 所述已训练好的卷积神经 网络是执行如权利要求1所述的训练方法后得到的卷积神经网络 。 4.镜头雨刷控制方法， 其特征是， 包括如下步骤： 判断镜头是否存在干燥类脏污， 若判 断出镜头存在干燥类脏 污， 则不启动雨刷。 5.根据权利要求6所述的镜头雨刷控制方法， 其特征是， 具体执行如权利要求2或3所述 的镜头脏污类型判断方法来判断镜 头是否存在干燥类脏 污。 6.根据权利要求6所述的镜头雨刷控制方法， 其特征是， 若判断出镜头存在湿滑类脏 污， 则启动雨刷。 7.根据权利要求6所述的镜头雨刷控制方法， 其特征是， 若判断出镜头存在干燥类脏 污， 则不发出雨刷启动指令但发出 人可识别的警报。 8.计算机可读存储介质， 其上存储有计算机程序， 其特征是， 所述计算机程序被处理器 执行时实现如权利要求1所述的训练方法中的步骤。 9.计算机可读存储介质， 其上存储有计算机程序， 其特征是， 所述计算机程序被处理器 执行时实现如权利要求2或3所述的镜 头脏污类型判断方法中的步骤。 10.计算机可读存储介质， 其上存储有计算机程序， 其特征是， 所述计算机程序被处理 器执行时实现如权利要求 4至7任一项所述的镜 头雨刷控制方法中的步骤。 11.拍摄系统， 包括控制模块和拍摄装置， 所述控制模块通信连接所述拍摄装置， 所述 拍摄装置的镜头前设有雨刷， 所述控制模块包括相互连接的计算机可读存储介质和处理 器， 其特征是， 计算机可读存 储介质如权利要求8至10任一项所述。权　利　要　求　书 1/1 页 2 CN 114713531 A 2卷积神经 网络训练方 法、 镜头脏污类型判断方 法、 镜头雨刷控 制方法、 存储介质及拍摄系统 技术领域 [0001]本发明涉及图像识别 处理技术领域， 特别涉及一种卷积神经网络训练方法、 镜头 脏污类型判断方法、 镜 头雨刷控制方法、 存 储介质及拍摄系统。 背景技术 [0002]现有一种路边停车收费系统， 其设有朝向路边停车位的拍摄装置， 在车辆进入停 车位时， 利用拍摄装置拍摄该车辆的车牌信息， 然后根据拍摄到的车牌信息开始进行停车 计费。 路边停车位在室外， 则拍摄装置也在室外， 其镜头在下雨 天容易被雨水打湿而影响拍 摄， 对此， 可在拍摄装置的镜头上设置雨刷， 当镜头被雨水打湿时， 雨刷启动刷去镜头上 的 雨水以减少雨水对拍摄的影响。 但是， 拍摄装置的镜头除了会被雨水打湿之外， 在非下雨 天 还可能会沾上其他会影响拍摄的干燥类脏污， 例如镜头沾上泥土， 这种情况下雨刷 若启动 则会将泥土在镜 头上抹平摊开， 导 致镜头越刷越 模糊。 发明内容 [0003]本发明要解决的技术问题是如何避免雨刷将干燥类脏污在镜头上抹平摊开而导 致镜头越刷越 模糊。 [0004]为解决上述技术问题， 本发明提供为判断镜头脏污类型而对卷积神经网络进行的 训练方法， 包括如下步骤： [0005]P.获取多张镜头拍摄图像， 其中部分镜头拍摄图像中存在湿滑类脏污， 部分镜头 拍摄图像中存在干燥类脏 污； [0006]Q.以这多张镜头拍摄图像作为学习样本分别对卷积神经网络进行多次训练， 从而 使该卷积神经网络具备根据镜头拍摄图像判断镜头脏污类型的能力， 每次训练采用一张镜 头拍摄图像， 包括如下步骤A、 B、 C： [0007]——A.将镜 头拍摄图像输入到卷积神经网络中进行镜 头脏污类型识别； [0008]——B.获取该镜头拍摄图像的镜头脏污类型标签， 具体对应湿滑类脏污或干燥类 脏污； [0009]——C.将镜头脏污类型识别结果与镜头脏污类型标签进行一致性对比， 若对比结 果为不一致则卷积神经网络调整识别参数后重新对该镜头拍摄图像进行镜头脏污类型识 别， 直至镜头脏污类型识别结果与镜 头脏污类型标签的对比结果 为一致。 [0010]本发明还提供镜 头脏污类型判断方法， 包括如下步骤： [0011]a.获取待判断镜 头脏污类型的镜 头拍摄图像； [0012]b.将所述镜头拍摄图像输入到已训练好的卷积神经网络， 由所述已训练好的卷积 神经网络根据输入的镜 头拍摄图像判断得 出镜头脏污类型是湿滑类脏 污还是干燥类脏 污。 [0013]优选地， 所述已训练好的卷积神经网络是执行如上所述的训练方法后得到的卷积 神经网络 。说　明　书 1/5 页 3 CN 114713531 A 3