[發明專利]車輛的識別方法、車輛識別模型的訓練方法及相關裝置

在審

• 申請號: 202010526063.6
• 申請日: 2020-06-11
• 公開（公告）號: CN111814562A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 黃宇
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 黎堅怡

1.一種車輛的識別方法，其特征在于，所述車輛的識別方法包括：

獲取到帶有車輛的圖片；

將所述圖片輸入到經訓練的車輛識別模型，以對所述車輛進行分類；

對將所述車輛分出的類型進行識別，并確定將所述車輛歸類于危險車輛的置信度；

如果所述置信度小于預設閾值，對所述圖片進行危險品標檢測，以在檢測出所述圖片包括危險品標時，確定所述車輛為危險車輛。

2.根據權利要求1所述的車輛的識別方法，其特征在于，所述將所述圖片輸入到經訓練的車輛識別模型，以對所述車輛進行分類的步驟包括：

將所述圖片輸入到經訓練的所述車輛識別模型；

通過所述車輛識別模型對所述圖片進行特征提取，以獲取到所述圖片的特征圖；

根據所述特征圖對所述車輛進行分類。

3.根據權利要求2所述的車輛的識別方法，其特征在于，所述通過所述車輛識別模型對所述圖片進行特征提取，以獲取到所述圖片的特征圖的步驟包括：

通過所述車輛識別模型的第一卷積核對所述圖片進行卷積運算，以獲取到所述圖片的初始特征圖；

將所述初始特征圖劃分為設定數量的特征子集，以通過設定函數依次對每一所述特征子集進行運算，以獲取到設定數量的特征子圖；

對設定數量的所述特征子圖進行全連接，以獲取到所述特征圖。

4.根據權利要求3所述的車輛的識別方法，其特征在于，所述將所述初始特征圖劃分為設定數量的特征子集，以通過設定函數依次對每一所述特征子集進行運算，以獲取到設定數量的特征子圖的步驟包括：

將所述初始特征圖劃分為設定數量的所述特征子集；

如果所述特征子集的設定數量大于2時，將第一特征子集輸出為第一特征子圖，將第二特征子集與第二卷積核相乘以得到第二特征子圖，并依次將此次獲取到的特征子圖與下一特征子集疊加之后與其對應的卷積核相乘，以得到每一特征子集對應的特征子圖。

5.根據權利要求2所述的車輛的識別方法，其特征在于，所述通過所述車輛識別模型對所述圖片進行特征提取，以獲取到所述圖片的特征圖的步驟之后，所述根據所述特征圖對所述車輛進行分類的步驟之前，還包括：

通過注意力機制對所述特征圖進行重標定，以獲取到重標定的所述特征圖；

所述根據所述特征圖對所述車輛進行分類的步驟包括：

根據重標定的所述特征圖對所述車輛進行分類。

6.根據權利要求5所述的車輛的識別方法，其特征在于，所述通過注意力機制對所述特征圖進行重標定，以獲取到重標定的所述特征圖的步驟包括：

對所述特征圖進行全局平均池化，并通過權重值對池化后的所述特征圖進行第一全連接運算后與第一激活函數相乘，以在進一步進行第二全連接運算后與第二激活函數相乘，從而獲取到所述特征圖中每一特征通道的歸一化權重；

將所述歸一化權重與其對應的所述特征圖中每一特征通道相乘，以獲取到重標定的所述特征圖。

7.根據權利要求1所述的車輛的識別方法，其特征在于，所述如果所述置信度小于預設閾值，對所述圖片進行危險品標檢測，以在檢測出所述圖片包括危險品標時，確定所述車輛為危險車輛的步驟包括：

如果所述置信度小于預設閾值，對所述圖片中車輛的車頭所在區域進行檢測，以確定車窗所在區域；

對所述車窗所在區域進行填充處理，并判斷填充處理后的所述圖片是否包括危險品標；

如果所述填充處理后的圖片包括危險品標，確定所述車輛為危險車輛。

8.一種車輛識別模型的訓練方法，用于訓練得到如權利要求1中所述的車輛識別模型，其特征在于，所述車輛識別模型的訓練方法包括：

將已標注的帶有車輛的圖片輸入到初始檢測模型中；其中，所述圖片為對所述車輛是否為危險車輛的類型進行標注的圖片；

通過所述初始檢測模型對所述圖片進行預測，得到所述車輛的類型的預測結果；

根據所述預測結果以及所述圖片中車輛的標注類型對所述車輛識別模型進行訓練，并將訓練完成后的模型確定為所述車輛識別模型。