[發明專利]一種分級前臉卡口車型識別方法

有效

• 申請號: 201711293529.7
• 申請日: 2017-12-08
• 公開（公告）號: CN108090429B
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 尚凌輝;劉家佳;王弘玥;張兆生
• 申請（專利權）人: 浙江捷尚視覺科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 杭州奧創知識產權代理有限公司 33272
• 代理人: 王佳健

本發明公開了一種分級前臉卡口車型識別方法。本發明以車前臉檢測定位技術、車標定位技術為基石，采用多個深度卷積神經網絡集成學習，分別實現車輛的品牌車標、車型、車型年款這三個任務的識別(其中車型年款包含車標和車型，車型包含車標)，然后結合各級別學習分類器的輸出置信度、先驗統計出來的相似車型混淆矩陣以及三個級別的包含關系，輸出魯棒的車型識別結果。本發明識別的車型可以具體到車輛的品牌、型號和年份；通過三個分類器的集成，可進一步提升車輛車型精度。

技術領域

本發明屬于視頻監控技術領域，涉及一種分級前臉卡口車型識別方法。

背景技術

隨著我國國民經濟的不斷發展，交通管理在人們的經濟、社會活動中已經變得越來越重要。人們對交通管理的層次、質量等問題也提出了越來越多的新要求。因此，對智能交通的深入研究變得愈發有意義。

在大量的交通卡口視頻數據中尋找特定目標車輛，對于交通管理和視頻偵查都有重要的意義。傳統的技術手段通過識別車輛牌號來檢索和定位，雖然車牌識別準確率較高，但是在套牌、無牌、車牌遮擋等條件下，此類技術基本無法實用。因此，基于圖像的車型識別技術更具價值和實用性。

基于此類技術的專利有《車型識別方法及裝置-201410381923.6 》、《一種車型識別方法及系統-201410313009.8》、《基于前臉特征的車型識別方法-201410009098.7》以及《一種基于卷積神經網絡的車型識別方法-201510071919.4》。

此類技術的缺陷：

這些技術中有的采用人工特征提取方法，但是此類特征非常依賴人的先驗知識，魯棒性較差；有的通過深度學習提取魯棒特征，然后采用模板匹配的方法來識別車型，此方法存在模板局限、匹配精度差以及效率低下問題；有的采用卷積神經網絡學習離線訓練，但是只能識別訓練庫中已有的品牌和車型，對于不停上市的新車型無能為力。

發明內容

本發明針對現有技術的不足，提供了一種分級前臉卡口車型識別方法。

本發明以車前臉檢測定位技術、車標定位技術為基石，采用多個深度卷積神經網絡集成學習，分別實現車輛的品牌車標、車型、車型年款這三個任務的識別，然后結合各級別學習分類器的輸出置信度、先驗統計出來的相似車型混淆矩陣以及三個級別的包含關系，輸出魯棒的車型識別結果。

本發明方法主要包括以下步驟：

第1步：分析交通卡口圖像，采用基于深度卷積神經網絡分類的方法對圖像中的車前臉做粗定位。

第2步：對第1步定位出的車前臉區域，基于深度卷積神經網絡檢測車前臉的特征點位置，其中包括車標、車燈、擋風玻璃、車牌、車前保險杠下沿共計11點。

第3步：根據第2步定位出的11個點，分別精細化摳取車前臉包圍盒以及由先驗的相對位置關系，摳取出粗略的車標區域。

第4步：車標區域和車前臉包圍盒分別縮放至固定大小，分別將車標區域輸入到車標分類器、車前臉包圍盒輸入到車型與車型年款分類器中，得到此輛車的品牌、車型、車型年款排序結果以及相應的置信度。

第5步：由上而下地融合三個分類器結果；根據事先統計出來置信度高低閾值以及相似車型混淆矩陣，對三者融合輸出一個一致的車型結果。

本發明的有益效果：本發明識別的車型可以具體到車輛的品牌、型號和年份；通過三個分類器的集成，可進一步提升車輛車型精度。

附圖說明

圖1為本發明方法流程圖。

圖2為分類結果融合流程圖。

具體實施方式