[發明專利]基于大數據的模型識別方法、裝置、設備及介質

在審

• 申請號: 201911085127.7
• 申請日: 2019-11-08
• 公開（公告）號: CN110956093A
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 杜樂;杜小軍
• 申請（專利權）人: 武漢東湖大數據交易中心股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 武漢紅觀專利代理事務所(普通合伙) 42247
• 代理人: 李季

本發明提出了一種基于大數據的模型識別方法、裝置、設備及介質。包括：獲取監控視頻中的圖片樣本，從圖片樣本中提取待識別車輛模型的信息；建立訓練集，根據訓練集對車輛模型的信息進行訓練，獲取訓練后的訓練參數；獲取本地車輛模型數據，建立相似度算法，根據相似度算法計算訓練參數與本地車輛模型數據的相似度；根據相似度對待識別車輛模型進行識別。本發明通過對視頻畫面進行提取，從提取到的視頻畫面中獲取待識別車輛模型的數據信息，然后先根據訓練集對這些數據信息進行訓練，再通過相似度算法計算這些數據信息的相似度，根據相似度來對車輛模型進行識別，通過這種方式，可以減少系統的運算量，同時也可以提高對于車輛模型的識別率。

技術領域

本發明涉及模型識別技術領域，尤其涉及一種基于大數據的模型識別方法、裝置、設備及介質。

背景技術

模型識別就是在輸入輸出數據的基礎上，從一組給定的數據模型中，確定一個與系統等價的模型。模型的識別有三個要素：數據、模型以及識別的準則，模型識別就是按照一個識別準則在一組模型中選擇一個與數據擬合度最好的模型。

隨著科技的發展，汽車已經成為人們日常生活之中的一部分，隨著汽車數量的增加，每年車禍的發生頻率也在增高，在現代交通系統中，通過視頻監控對車輛進行監視已經成為了一種主流的監控手段，同樣通過視頻監控對于車輛模型進行識別是現視頻監控的重中之重，但是現在的車輛模型識別方法復雜度比較高，而且隨著識別車輛模型的增加，識別的復雜度也會隨之加大，這樣變相就增加了模型識別的難度。因此，這種方法無法簡單快速對車輛模型進行識別。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

有鑒于此，本發明提出了一種基于大數據的模型識別方法、裝置、設備及介質，旨在解決現有技術無法簡單快速對車輛模型進行識別的技術問題。

本發明的技術方案是這樣實現的：

一方面，本發明提供了一種基于大數據的模型識別方法，所述基于大數據的模型識別方法包括以下步驟：

S1，獲取監控視頻中的圖片樣本，從圖片樣本中提取待識別車輛模型的信息；

S2，建立訓練集，根據訓練集對車輛模型的信息進行訓練，獲取訓練后的訓練參數；

S3，獲取本地車輛模型數據，建立相似度算法，根據相似度算法計算訓練參數與本地車輛模型數據的相似度；

S4，根據相似度對待識別車輛模型進行識別。

在以上技術方案的基礎上，優選的，步驟S1中，獲取監控視頻中的圖片樣本，從圖片樣本中提取待識別車輛模型的信息，還包括以下步驟，獲取監控視頻中至少一幀的圖片樣本，并從該圖片樣本提取待識別車輛模型的信息數據，所述信息數據包括：車輛的外形數據、車輛的顏色數據以及車輛的大小數據。

在以上技術方案的基礎上，優選的，步驟S2中，建立訓練集，根據訓練集對車輛模型的信息進行訓練，獲取訓練后的訓練參數，還包括以下步驟，所述訓練集算法為：

其中，P是訓練集算法獲取的訓練參數，x_i是車輛模型的信息數據，i表示車輛模型信息數據的個數。

在以上技術方案的基礎上，優選的，獲取訓練后的訓練參數之后，還包括以下步驟，設定參數閾值，將訓練參數與參數閾值進行比較，當訓練參數大于參數閾值時，獲取本地車輛模型數據，建立相似度算法，根據相似度算法計算訓練參數與本地車輛模型數據的相似度；當訓練參數小于參數閾值時，重新獲取訓練參數。

在以上技術方案的基礎上，優選的，步驟S3中，獲取本地車輛模型數據，建立相似度算法，根據相似度算法計算訓練參數與本地車輛模型數據的相似度，還包括以下步驟，所述相似度算法為：