[發(fā)明專利]一種車型識(shí)別方法、裝置及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201911415698.2
• 申請(qǐng)日: 2019-12-31
• 公開（公告）號(hào): CN111178292A
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 孫登蕊;周曉;武冬梅;李傳奇;李鋒;李丹丹;李瑞洋;張積存
• 申請(qǐng)（專利權(quán)）人: 東軟集團(tuán)（北京）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 柳欣

本申請(qǐng)實(shí)施例公開了一種車型識(shí)別方法、裝置及設(shè)備，該方法包括：先將待查詢車輛圖像輸入特征提取模型，獲取該待查詢車輛圖像的特征向量，并計(jì)算該待查詢車輛圖像的特征向量與各個(gè)應(yīng)用車型圖像的特征向量之間的相似度；再根據(jù)待查詢車輛圖像的特征向量與各個(gè)應(yīng)用車型圖像的特征向量之間的相似度，將滿足預(yù)設(shè)條件的相似度對(duì)應(yīng)的應(yīng)用車型圖像確定為目標(biāo)應(yīng)用車型圖像，以便利用目標(biāo)應(yīng)用車型圖像對(duì)應(yīng)的車型信息確定待查詢車輛圖像的車型信息。其中，因基于預(yù)設(shè)條件篩選獲得的目標(biāo)應(yīng)用車型圖像與待查詢車輛圖像之間的相似程度較高，使得利用目標(biāo)應(yīng)用車型圖像對(duì)應(yīng)的車型信息確定的待查詢車輛圖像的車型信息能夠準(zhǔn)確地表征待查詢車輛圖像的車型信息。

技術(shù)領(lǐng)域

本申請(qǐng)涉及機(jī)器學(xué)習(xí)領(lǐng)域，具體涉及一種車型識(shí)別方法、裝置及設(shè)備。

背景技術(shù)

隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)技術(shù)可以應(yīng)用于眾多應(yīng)用領(lǐng)域(例如，智能交通應(yīng)用領(lǐng)域)。車型識(shí)別技術(shù)是一種機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用，而且車型識(shí)別技術(shù)在智能交通應(yīng)用領(lǐng)域中有著重要的地位。車型識(shí)別技術(shù)能夠識(shí)別待查詢車輛圖像中車輛的車型信息，使得該識(shí)別出的車型信息能夠作為日常交通管理、調(diào)度和統(tǒng)計(jì)的依據(jù)，如此使得車型識(shí)別技術(shù)具有廣闊的市場前景和研究價(jià)值。其中，車型信息用于表征車輛所具有的特征信息(例如，車輛外形、顏色、品牌等中的至少一種信息)。然而，如何準(zhǔn)確地識(shí)別出待查詢車輛圖像中車輛的車型信息仍是一亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)實(shí)施例提供一種車型識(shí)別方法、裝置及設(shè)備，能夠準(zhǔn)確地識(shí)別出待查詢車輛圖像中車輛的車型信息。

為解決上述問題，本申請(qǐng)實(shí)施例提供的技術(shù)方案如下：

一種車型識(shí)別方法，將應(yīng)用車型圖像輸入特征提取模型，獲取所述應(yīng)用車型圖像的特征向量，所述應(yīng)用車型圖像對(duì)應(yīng)有車型信息；所述方法包括：

將待查詢車輛圖像輸入所述特征提取模型，獲取所述待查詢車輛圖像的特征向量；

計(jì)算所述待查詢車輛圖像的特征向量與各個(gè)所述應(yīng)用車型圖像的特征向量之間的相似度；

根據(jù)所述待查詢車輛圖像的特征向量與各個(gè)所述應(yīng)用車型圖像的特征向量之間的相似度，將滿足預(yù)設(shè)條件的相似度對(duì)應(yīng)的應(yīng)用車型圖像確定為目標(biāo)應(yīng)用車型圖像；

利用所述目標(biāo)應(yīng)用車型圖像對(duì)應(yīng)的車型信息確定所述待查詢車輛圖像的車型信息。

在一種可能的實(shí)現(xiàn)方式中，所述特征提取模型的訓(xùn)練過程包括：

獲取訓(xùn)練車型圖像集合，所述訓(xùn)練車型圖像集合包括多個(gè)訓(xùn)練車輛圖像，所述訓(xùn)練車輛圖像對(duì)應(yīng)有車型信息；

將所述訓(xùn)練車型圖像輸入初始的特征提取模型，獲取各個(gè)所述訓(xùn)練車輛圖像的特征向量；

將所述訓(xùn)練車輛圖像的特征向量輸入圖像分類層，以將具有相同車型信息的訓(xùn)練車輛圖像的特征向量被劃分為同一類為訓(xùn)練目標(biāo)，調(diào)整所述初始特征提取模型的模型參數(shù)以及所述圖像分類層的模型參數(shù)，重復(fù)執(zhí)行所述將所述訓(xùn)練車型圖像輸入初始的特征提取模型以及后續(xù)步驟，直到達(dá)到預(yù)設(shè)停止條件，得到特征提取模型。

在一種可能的實(shí)現(xiàn)方式中，所述獲取訓(xùn)練車型圖像集合，包括：

獲取原始訓(xùn)練車型圖像；

對(duì)所述原始訓(xùn)練車型圖像進(jìn)行隨機(jī)擦除，生成模擬訓(xùn)練車型圖像；

將所述原始訓(xùn)練車型圖像和/或所述模擬訓(xùn)練車型圖像確定為訓(xùn)練車型圖像，組成訓(xùn)練車型圖像集合。

在一種可能的實(shí)現(xiàn)方式中，所述特征提取模型包括特征圖提取層、全局特征提取層以及局部特征提取層，所述特征圖提取層的輸出分別作為所述全局特征提取層的輸入以及所述局部特征提取層的輸入；

所述全局特征提取層包括全局特征提取網(wǎng)絡(luò)以及降維卷積層；所述局部特征提取層包括局部特征提取網(wǎng)絡(luò)以及降維卷積層；