[發明專利]車輛特征識別的方法、設備、計算機設備和存儲介質

有效

• 申請號: 201911050662.9
• 申請日: 2019-10-31
• 公開（公告）號: CN110929589B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 付建海;馬夢園;孫海濤;李寧釧;任馨怡;熊劍平
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06V20/62;G06V10/77;G06V10/764;G06V10/80;G06V10/82;G06N3/0464
• 代理公司: 杭州華進聯浙知識產權代理有限公司 33250
• 代理人: 金無量

1.一種車輛特征識別的方法，其特征在于，所述方法包括：

獲取車輛的第一識別圖像，通過圖像增強模型對所述第一識別圖像的預設參數進行處理，得到第二識別圖像；

通過位置識別模型獲取車輛地理位置信息，通過車蓋檢測模型對所述第二識別圖像進行識別，判斷所述第二識別圖像中的所述車輛的車蓋是否遮蓋嚴密，通過車牌檢測模型對所述第二識別圖像進行識別，判斷所述第二識別圖像中所述車輛是否存在放大車牌，其中，所述存在放大車牌包括所述放大車牌的車牌信息完整、可識別；

在所述第二識別圖像的所述車蓋檢測結果為不嚴密，或者所述車牌檢測結果為不存在的條件下，將所述第二識別圖像標記為不安全，上傳所述車輛的所述地理位置信息并發出警示信號；

其中，所述通過車蓋檢測模型對所述第二識別圖像進行識別包括：

提取所述第二識別圖像的第一梯度特征和第一卷積神經網絡特征；

對所述第一梯度特征進行降維，得到第二梯度特征，對所述第一卷積神經網絡特征進行降維，得到第二卷積神經網絡特征；

對所述第二梯度特征和所述第二卷積神經網絡特征進行融合，得到融合特征；

通過線性回歸模型對所述融合特征進行處理，得到所述線性回歸模型的擬合系數，在所述擬合系數大于或者等于預設系數值的情況下，判斷車蓋檢測結果為嚴密，在所述擬合系數小于預設系數值的情況下，判斷車蓋檢測結果為不嚴密。

2.根據權利要求1所述的車輛特征識別的方法，其特征在于，在所述通過車蓋檢測模型對所述第二識別圖像進行識別之前，所述方法還包括：

通過目標檢測網絡算法對所述第二識別圖像進行切分和篩選，得到所述第二識別圖像中的車輛圖像和所述車輛圖像的圖像置信度，在所述圖像置信度小于第一預設置信度的情況下，舍棄所述圖像置信度對應的所述車輛圖像；

在所述圖像置信度小于第二預設置信度，且大于或者等于所述第一預設置信度的情況下，通過卷積神經網絡和分類器算法對所述車輛圖像進行誤檢分析，根據所述分類器算法的判定結果，判斷所述車輛圖像是否為目標車輛的圖像；

在所述車輛圖像不是所述目標車輛的情況下，舍棄所述圖像置信度對應的所述車輛圖像。

3.根據權利要求1所述的車輛特征識別的方法，其特征在于，所述通過車牌檢測模型對所述第二識別圖像進行識別包括：

獲取所述第二識別圖像中的字符，得到所述字符的數量和字符置信度；

在所述字符數量大于或者等于預設數量，且每個所述字符的所述字符置信度大于或者等于第三預設置信度的情況下，判斷所述車牌檢測結果為存在，在所述字符數量小于預設數量或者所述字符置信度小于第三預設置信度的情況下，判斷所述車牌檢測結果為不存在。

4.根據權利要求1所述的車輛特征識別的方法，其特征在于，所述通過位置識別模型獲取車輛地理位置信息包括：

獲取捕捉所述第一識別圖像的監控設備的地理位置信息，作為所述車輛的地理位置信息。

5.根據權利要求1所述的車輛特征識別的方法，其特征在于，所述通過圖像增強模型對所述第一識別圖像的預設參數進行處理，得到第二識別圖像包括：

通過圖像增強模型對所述第一識別圖像進行對比度和亮度處理，得到第二識別圖像，其中，所述對比度和亮度處理包括增強所述第一識別圖像的對比度和提高所述第一識別圖像的亮度。

6.根據權利要求1所述的車輛特征識別的方法，其特征在于，在所述通過車蓋檢測模型對所述第二識別圖像進行識別之后，所述方法還包括：

在所述第二識別圖像的所述車蓋檢測結果為嚴密，且所述車牌檢測結果為存在的條件下，將所述第二識別圖像標記為安全。