[發明專利]一種車輛識別方法和系統

有效

• 申請號: 201710589038.0
• 申請日: 2017-07-19
• 公開（公告）號: CN107292291B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 李志國;楊振杰;耿磊;王學彬;朱明
• 申請（專利權）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所 11592
• 代理人: 孟銳

本發明涉及一種車輛識別方法和系統，其中車輛識別方法，包括：接收第一圖像；提取第一圖像的第一車款識別區域和第一顏色識別區域；利用經訓練的車款深度學習模型對提取的第一車款識別區域進行識別；對提取的第一顏色識別區域進行識別；以及基于第一車款識別區域的識別結果和第一顏色識別區域的識別結果識別車輛。

技術領域

本發明涉及一種人工智能領域，特別地涉及一種以人工智能的方式進行車輛識別方法和系統。

背景技術

隨著社會的不斷發展，車輛已經成為人們日常的出行工具。車輛的標識是車牌，然而，在車牌缺失、被遮擋、污損的情況下，或者由于距離、天氣等原因無法獲取準確的車牌信息的情況下，使用計算機進行車輛識別是非常困難的。在實際情況中，往往需要人工進行車輛識別。人工識別的方式不但效率較低，而且也容易出現判斷失誤或者遺漏的情況。

發明內容

針對現有技術中存在的技術問題，本發明提出了一種車輛識別方法，包括：接收第一圖像；提取第一圖像的第一車款識別區域和第一顏色識別區域；利用經訓練的車款深度學習模型對提取的第一車款識別區域進行識別；對提取的第一顏色識別區域進行識別；以及基于第一車款識別區域的識別結果和第一顏色識別區域的識別結果識別車輛。

如上所述的方法，其中經訓練的車款深度學習模型基于卷積神經網絡CNN模型、深度信念網絡DBN模型、遞歸神經網絡RNN模型、或者生物神經網絡BNN模型，或其組合。

如上所述的方法，包括利用經訓練的顏色深度學習模型對提取的第一顏色識別區域進行識別。

如上所述的一種或多種方法，其中經訓練的顏色深度學習模型基于卷積神經網絡CNN模型、深度神經網絡DNN模型，或其組合。

如上所述的一種或多種方法，進一步包括：將第一車款識別區域的識別結果和第一顏色識別區域的識別結果融合，以及根據融合結果對顏色車款排序。

如上所述的一種或多種方法，其中所述融合包括將第一車款識別區域的識別結果中各個車款的得分與第一顏色識別區域的識別結果各個顏色的得分組合；以及根據得分組合對顏色車款進行排序。

如上所述的一種或多種方法，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為經識別的車款序列中各個車款對應的得分；P_c為經識別的顏色序列中各個顏色對應的得分；θ_b和θ_c的取值滿足

θ*＝arg maxψ_N(θ_bP_bδ+P_cθ_c)；

其中，arg為取參數，max為最大值，θ*代表θ_b和θ_c，δ是懲罰因子；以及

根據顏色車款融合后的得分對顏色車款進行排序。

如上所述的一種或多種方法，進一步包括：

接收第二圖像；

提取第二圖像的第二車款識別區域和第二顏色識別區域；

利用經訓練的車款深度學習模型對提取的第二車款識別區域進行識別；

利用經訓練的顏色深度學習模型對提取的第二顏色識別區域進行識別；

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