[發明專利]一種建立識別車輛信息的模型的方法及裝置

有效

• 申請號: 201710039754.1
• 申請日: 2017-01-19
• 公開（公告）號: CN106874940B
• 公開（公告）日: 2019-08-27
• 發明（設計）人: 陳江林;張曉明;張如高
• 申請（專利權）人: 博康智能信息技術有限公司北京海淀分公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/20;G06N3/04
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 陳博旸

本發明提供一種建立識別車輛信息的模型的方法及裝置，其中，所述建立識別車輛信息的模型的方法包括：獲取車輛信息圖像和所述車輛信息圖像對應的車輛信息；根據所述車輛信息圖像，得到所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖；將所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖和所述車輛信息圖像對應的車輛信息作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡模型對所述車輛信息圖像信息識別的準確度大于預設閾值，解決了現有汽車采用語音通訊方式獲取信息，使得信息在傳輸過程中容錯性差，信息存儲量低且抗干擾性差，降低了汽車駕駛過程中信息獲取的準確性的問題。

技術領域

本發明涉及信息識別領域，具體涉及一種建立識別車輛信息的模型的方法及裝置。

背景技術

隨著深度學習技術的興起，基于深度學習的圖像識別準確率逐年上漲，人臉識別、行為識別、運動識別等圖像識別技術在越來越多場合中被提及，隨著硬件、算法及大數據的不斷發展，深度學習技術在很多領域均得到了廣泛使用，例如車輛自動駕駛領域，是通過電腦系統實現無人駕駛，依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛，自動駕駛汽車對外界信息的獲取主要基于聲音和圖像，要實現真正的無人駕駛，必須能夠準確感知和識別前方車輛行駛的狀態信息，而現有汽車采用語音通訊方式獲取信息，使得信息在傳輸過程中容錯性差，信息存儲量低且抗干擾性差，降低了汽車駕駛過程中信息獲取的準確性。

發明內容

因此，本發明要解決的技術問題在于現有汽車采用語音通訊方式獲取信息，使得信息在傳輸過程中容錯性差，信息存儲量低且抗干擾性差，降低了汽車駕駛過程中信息獲取的準確性。

有鑒于此，本發明提供一種建立識別車輛信息的模型的方法，包括：

獲取車輛信息圖像和所述車輛信息圖像對應的車輛信息；

根據所述車輛信息圖像，得到所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖；

將所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖和所述車輛信息圖像對應的車輛信息作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡模型對所述車輛信息圖像信息識別的準確度大于預設閾值。

優選地，所述車輛信息包括車輛速度信息、車輛轉向信息和車輛指示燈信息。

優選地，所述獲取車輛信息圖像和所述車輛信息圖像對應的車輛信息，包括：

獲取所述車輛信息圖像中的字符區域圖像；

將所述字符區域圖像輸入到機器學習模型中進行字符分割與識別，確定所述車輛信息圖像對應的車輛信息，其中所述機器學習模型利用多個字符圖像進行訓練得到的。

優選地，所述神經網絡模型為深度卷積神經網絡模型。

相應地，本發明還提供一種建立識別車輛信息的模型的裝置，包括：

獲取單元，用于獲取車輛信息圖像和所述車輛信息圖像對應的車輛信息；

特征圖獲取單元，用于根據所述車輛信息圖像，得到所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖；

訓練單元，用于將所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖和所述車輛信息圖像對應的車輛信息作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡模型對所述車輛信息圖像信息識別的準確度大于預設閾值。

優選地，所述車輛信息包括車輛速度信息、車輛轉向信息和車輛指示燈信息。

優選地，所述獲取單元包括：