[發明專利]一種車輛智能化識別方法、裝置及存儲介質

在審

• 申請號: 202010445949.8
• 申請日: 2020-05-25
• 公開（公告）號: CN111914614A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 林凡;張秋鎮;陳健民;楊峰;周芳華
• 申請（專利權）人: 廣州杰賽科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

1.一種車輛智能化識別方法，其特征在于，包括：

對待識別車輛圖像進行預處理，得到所述待識別車輛圖像的可觀測狀態的觀測值序列、隱含狀態的狀態序列；

根據所述觀測值序列和所述狀態序列，建立所述待識別車輛圖像的統計分析模型；

通過參數估計算法對所述統計分析模型的參數進行估算，得到最優參數，并以所述最優參數更新所述統計分析模型得到新模型；

將所述新模型的參數與經過預先訓練的每一樣本車輛圖像的統計分析模型的參數進行匹配，并將與所述新模型匹配概率最大的所述樣本車輛圖像的統計分析模型作為車輛識別結果。

2.如權利要求1所述的車輛智能化識別方法，其特征在于，還包括：

通過最優路徑算法確定所述新模型的最優狀態序列。

3.如權利要求1所述的車輛智能化識別方法，其特征在于，所述對待識別車輛圖像進行預處理，得到所述待識別車輛圖像的可觀測狀態的觀測值序列、隱含狀態的狀態序列，包括：

采用中值濾波器對所述待識別車輛圖像進行濾波，并通過奇異值分解算法獲取所述觀測值序列。

4.如權利要求3所述的車輛智能化識別方法，其特征在于，所述通過奇異值分解算法獲取所述觀測值序列，具體為：

使用寬度為W像素，高度為L像素的滑動窗遍歷經過濾波的所述待識別車輛圖像；其中，相鄰兩個所述滑動窗之間的重疊高度為P像素；

對每一所述滑動窗區域內的圖像進行奇異值分解，得到U矩陣和Σ矩陣，并取∑₁₁、∑₂₂、U₁₁作為與所述圖像對應的觀測值；

將所有所述滑動窗經過的圖像對應的觀測值組成所述待識別車輛圖像的觀測值序列。

5.如權利要求1所述的車輛智能化識別方法，其特征在于，所述統計分析模型為λ＝(Π,A,B)；其中，Π，A表示輸出為所述狀態序列的隨機過程，B表示所述狀態序列到所述觀測值序列的隨機過程。

6.如權利要求1所述的車輛智能化識別方法，其特征在于，所述通過參數估計算法對所述統計分析模型的參數進行估算，得到最優參數，并以所述最優參數更新所述統計分析模型得到新模型，具體為：

通過參數估計算法對所述統計分析模型的參數進行估算，將滿足P(O|λ)最大的參數作為所述最優參數，并以所述最優參數更新所述統計分析模型得到所述新模型；其中，O表示所述觀測值序列，λ表示所述統計分析模型。

7.一種車輛智能化識別裝置，其特征在于，包括：

待識別車輛圖像預處理模塊，用于對待識別車輛圖像進行預處理，得到所述待識別車輛圖像的可觀測狀態的觀測值序列、隱含狀態的狀態序列；

統計分析模型建立模塊，用于根據所述觀測值序列和所述狀態序列，建立所述待識別車輛圖像的統計分析模型；

統計分析模型更新模塊，用于通過參數估計算法對所述統計分析模型的參數進行估算，得到最優參數，并以所述最優參數更新所述統計分析模型得到新模型；

車輛識別模塊，用于將所述新模型的參數與經過預先訓練的每一樣本車輛圖像的統計分析模型的參數進行匹配，并將與所述新模型匹配概率最大的所述樣本車輛圖像的統計分析模型作為車輛識別結果。

8.如權利要求7所述的車輛智能化識別裝置，其特征在于，還包括最優狀態序列確定模塊，用于通過最優路徑算法確定所述新模型的最優狀態序列。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如權利要求1至6所述的車輛智能化識別方法。