[發明專利]一種神經網絡系統及基于該神經網絡系統的車型識別方法

在審

• 申請號: 201711092642.9
• 申請日: 2017-11-08
• 公開（公告）號: CN108052861A
• 公開（公告）日: 2018-05-18
• 發明（設計）人: 吳柯維;于曙光
• 申請（專利權）人: 北京卓視智通科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 劉廣達

1.一種神經網絡系統，其特征在于，包括：

局部特征神經網絡，所述局部特征神經網絡用于根據車輛部件圖像進行車型分類，包括：

第一局部卷積層和第一局部池化層，所述第一局部卷積層和第一局部池化層采用VGG16神經網絡的第一卷積層和第一最大池化層的網絡；

第二局部卷積層和第二局部池化層，所述第二局部卷積層和第二局部池化層采用VGG16神經網絡的第三卷積層和第三最大池化層的網絡；

第三局部卷積層和第三局部池化層，所述第三局部卷積層和第三局部池化層采用VGG16神經網絡的第五卷積層和第五最大池化層的網絡；

第四局部全連結層，所述第四局部全連結層采用VGG16神經網絡的第六全連接層的網絡；

第五局部全連結層，所述第五局部全連結層包括至少一個局部全連接網絡，所述至少一個局部全連接網絡中的每一個局部全連接網絡都采用VGG16神經網絡的第七全連接層的網絡；

第六局部分類層，所述第六局部分類層包括至少一個局部分類網絡，所述至少一個局部分類網絡中的每一個局部分類網絡分別與所述第五局部全連結層中的至少一個局部全連接網絡中的一個局部全連接網絡一一對應連接、且都采用VGG16神經網絡的第八全連接層和第九soft-max分類層的網絡。

2.根據權利要求1所述的神經網絡系統，其特征在于，還包括：

全局特征神經網絡，所述全局特征神經網絡用于根據車輛全局圖像進行車型分類，包括：

第一全局卷積層和第一全局池化層，所述第一全局卷積層和第一全局池化層與所述第一局部卷積層和第一局部池化層共用所述VGG16神經網絡的第一卷積層和第一最大池化層的網絡；

第二全局卷積層和第二全局池化層，所述第二全局卷積層和第二全局池化層采用VGG16神經網絡的第二卷積層和第二最大池化層的網絡；

第三全局卷積層和第三全局池化層，所述第三全局卷積層和第三全局池化層采用VGG16神經網絡的第三卷積層和第三最大池化層的網絡；

第四全局卷積層和第四全局池化層，所述第四全局卷積層和第四全局池化層采用VGG16神經網絡的第四卷積層和第四最大池化層的網絡；

第五全局卷積層和第五全局池化層，所述第五全局卷積層和第五全局池化層采用VGG16神經網絡的第五卷積層和第五最大池化層的網絡；

第六全局全連結層，所述第六全局全連結層采用VGG16神經網絡的第六全連接層的網絡；

第七全局全連結層，所述第七全局全連結層采用VGG16神經網絡的第七全連接層的網絡；

第八全局分類層，所述第八全局分類層采用VGG16神經網絡的第八全連接層和第九soft-max分類層的網絡。

3.根據權利要求1所述的神經網絡系統，其特征在于，還包括：

第一分類結果統計輸出層，用于根據所述第六局部分類層的多個局部分類網絡輸出的多個分類結果輸出最終的分類結果。

4.根據權利要求2所述的神經網絡系統，其特征在于，還包括：

第二分類結果統計輸出層，用于根據所述第六局部分類層的所述至少一個局部分類網絡輸出的至少一個分類結果和所述第八全局分類層輸出的分類結果輸出最終的分類結果。

5.根據權利要求1所述的神經網絡系統，其特征在于，還包括：

車輛部件檢測與裁切神經網絡，所述車輛部件檢測與裁切神經網絡采用Fast R-CNN網絡，用于向所述局部特征神經網絡輸入經過檢測與裁切的車輛部件圖像。

6.根據權利要求2所述的神經網絡系統，其特征在于，還包括：

車輛部件檢測與裁切神經網絡，所述車輛部件檢測與裁切神經網絡采用Fast R-CNN網絡，用于向所述局部特征神經網絡輸入經過檢測與裁切的車輛部件圖像；以及

車輛檢測與裁切神經網絡，所述車輛檢測與裁切神經網絡采用Fast R-CNN網絡，用于向所述全局特征神經網絡輸入經過檢測與裁切的車輛全局圖像。

7.根據權利要求1或2所述的神經網絡系統，其特征在于，所述車輛部件至少包括車燈、車輪、車頭車標、車尾車標及排量信息中的至少一個。