[發(fā)明專利]一種車輛識別方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710589038.0
• 申請日: 2017-07-19
• 公開（公告）號: CN107292291B
• 公開（公告）日: 2020-04-03
• 發(fā)明（設(shè)計）人: 李志國;楊振杰;耿磊;王學(xué)彬;朱明
• 申請（專利權(quán)）人: 北京智芯原動科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京天馳君泰律師事務(wù)所 11592
• 代理人: 孟銳

1.一種車輛識別方法，包括：

接收第一圖像；

提取第一圖像的第一車款識別區(qū)域和第一顏色識別區(qū)域；

利用經(jīng)訓(xùn)練的車款深度學(xué)習(xí)模型對提取的第一車款識別區(qū)域進(jìn)行識別；

利用經(jīng)訓(xùn)練的顏色深度學(xué)習(xí)模型對提取的第一顏色識別區(qū)域進(jìn)行識別；

基于第一車款識別區(qū)域的識別結(jié)果和第一顏色識別區(qū)域的識別結(jié)果識別車輛；以及將第一車款識別區(qū)域的識別結(jié)果和第一顏色識別區(qū)域的識別結(jié)果融合，并根據(jù)融合結(jié)果對顏色車款排序；

其中所述融合基于融合模型：

P_f＝θ_bP_bδ+P_cθ_c；

其中，P_f為顏色車款融合后的得分；P_b為經(jīng)識別的車款序列中各個車款對應(yīng)的得分；P_c為經(jīng)識別的顏色序列中各個顏色對應(yīng)的得分；θ_b和θ_c的取值滿足

θ*＝arg max ψ_N(θ_bP_bδ+P_cθ_c)；

其中，arg為取參數(shù)，max為最大值，θ*代表θ_b和θ_c，δ是懲罰因子，ψ_N是指前N項的比對正確率；以及

根據(jù)顏色車款融合后的得分對顏色車款進(jìn)行排序。

2.根據(jù)權(quán)利要求1所述的方法，其中經(jīng)訓(xùn)練的車款深度學(xué)習(xí)模型基于卷積神經(jīng)網(wǎng)絡(luò)CNN模型、深度信念網(wǎng)絡(luò)DBN模型、遞歸神經(jīng)網(wǎng)絡(luò)RNN模型、或者生物神經(jīng)網(wǎng)絡(luò)BNN模型，或其組合。

3.根據(jù)權(quán)利要求1所述的方法，其中經(jīng)訓(xùn)練的顏色深度學(xué)習(xí)模型基于卷積神經(jīng)網(wǎng)絡(luò)CNN模型、深度神經(jīng)網(wǎng)絡(luò)DNN模型，或其組合。

4.根據(jù)權(quán)利要求1所述的方法，其中所述融合包括將第一車款識別區(qū)域的識別結(jié)果中各個車款的得分與第一顏色識別區(qū)域的識別結(jié)果各個顏色的得分組合；以及根據(jù)得分組合對顏色車款進(jìn)行排序。

5.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括：

接收第二圖像；

提取第二圖像的第二車款識別區(qū)域和第二顏色識別區(qū)域；

利用經(jīng)訓(xùn)練的車款深度學(xué)習(xí)模型對提取的第二車款識別區(qū)域進(jìn)行識別；

利用經(jīng)訓(xùn)練的顏色深度學(xué)習(xí)模型對提取的第二顏色識別區(qū)域進(jìn)行識別；

基于第一車款識別區(qū)域的識別結(jié)果和第一顏色識別區(qū)域的識別結(jié)果以及第二車款識別區(qū)域的識別結(jié)果和第二顏色識別區(qū)域的識別結(jié)果識別符合目標(biāo)車輛信息的車輛。

6.根據(jù)權(quán)利要求5所述的方法，進(jìn)一步包括：

將第一車款識別區(qū)域的識別結(jié)果和第一顏色識別區(qū)域的識別結(jié)果進(jìn)行融合，得到第一融合結(jié)果；

將第二車款識別區(qū)域的識別結(jié)果和第二顏色識別區(qū)域的識別結(jié)果進(jìn)行融合，得到第二融合結(jié)果；以及

根據(jù)目標(biāo)車輛信息進(jìn)行排序。

7.根據(jù)權(quán)利要求6所述的方法，其中所述排序的規(guī)則如下：根據(jù)目標(biāo)車輛信息所定義的顏色車款在第一或第二融合結(jié)果中的位置和得分進(jìn)行排序。

8.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括：

接收第二圖像和目標(biāo)圖像；

提取第二圖像的第二車款識別區(qū)域和第二顏色識別區(qū)域；

利用經(jīng)訓(xùn)練的車款深度學(xué)習(xí)模型對提取的第二車款識別區(qū)域進(jìn)行識別；

利用經(jīng)訓(xùn)練的顏色深度學(xué)習(xí)模型對提取的第二顏色識別區(qū)域進(jìn)行識別；

提取目標(biāo)圖像的目標(biāo)車款識別區(qū)域和目標(biāo)顏色識別區(qū)域；

利用經(jīng)訓(xùn)練的車款深度學(xué)習(xí)模型對提取的目標(biāo)車款識別區(qū)域進(jìn)行識別；

利用經(jīng)訓(xùn)練的顏色深度學(xué)習(xí)模型對提取的目標(biāo)顏色識別區(qū)域進(jìn)行識別；

基于第一車款識別區(qū)域的識別結(jié)果和第一顏色識別區(qū)域的識別結(jié)果以及第二車款識別區(qū)域的識別結(jié)果和第二顏色識別區(qū)域的識別結(jié)果識別符合目標(biāo)圖像的車輛。