[發明專利]一種智能車輛型號識別方法

在審

• 申請號: 201810320930.3
• 申請日: 2018-04-11
• 公開（公告）號: CN108492575A
• 公開（公告）日: 2018-09-04
• 發明（設計）人: 高巖;段成德;于治樓
• 申請（專利權）人: 濟南浪潮高新科技投資發展有限公司
• 主分類號: G08G1/015
• 分類號: G08G1/015;G06K9/62
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 闞恭勇

1.一種智能車輛型號識別方法，其特征在于，

將車輛圖像映射成為低維歐式空間向量，通過計算向量間歐式距離判斷車輛型號。

2.根據權利要求1所述的方法，其特征在于，

通過深度卷積神經網絡學習圖像特征，實現從圖像到低維歐式空間向量的映射，同時利用特殊的Triplet Loss損失函數訓練該深度卷積網絡，使同樣型號的汽車圖像在歐式空間中的向量具有更近的距離，從而實現對不同汽車型號類別的識別。

3.根據權利要求2所述的方法，其特征在于，

搭建深度卷積網絡，使用大量三聯樣本訓練該網絡，使其具有映射相同型號汽車圖片距離小于不同型號汽車圖片距離的能力。

4.根據權利要求3所述的方法，其特征在于，

以ResNet-34卷積神經網絡作為原型構建模型主體，輸入層設定為256×256的RGB彩色圖像，輸出層有128個神經元；網絡所有神經元激活函數采用ReLU函數；在輸出層對輸出的128維向量υ＝[p₁,…,p_i,…,p₁₂₈]^T進行L₂歸一化，即

5.根據權利要求4所述的方法，其特征在于，

訓練采用小批量隨機梯度下降法，從該mini-batch中選取三聯樣本輸入到神經網絡中，歸一化之后，計算Triplet Loss；選取方法為隨機選取10例標準樣本，從該對象剩余樣本中隨機選取10例正例樣本，從非正例樣本中隨機選取100張圖像作為負例樣本；對于一張標準樣本x_ai和一張正例樣本x_pi與10例負例樣本構成10例三聯樣本，則每個汽車類型的樣本圖像不少于20例，汽車總類型數目不少于11例。

6.根據權利要求5所述的方法，其特征在于，

訓練時，在線采用更新參數法，一次迭代所有汽車類型之后更新一次模型參數；初始化采用隨機初始化，學習率初始化為0.01；每5000次迭代后，學習率降低為原來十分之一；模型達到滿意正確率之后停止訓練，得到確定模型