[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

本申請公開了一種車輛的識別方法、車輛識別模型的訓練方法及相關裝置，其中，該車輛的識別方法包括：獲取到帶有車輛的圖片；將圖片輸入到經訓練的車輛識別模型，以對車輛進行分類；對將車輛分出的類型進行識別，并確定將車輛歸類于危險車輛的置信度；如果將車輛歸類于危險車輛的置信度小于預設閾值時，對圖片進行危險品標檢測，以在檢測出圖片包括危險品標時，確定車輛為危險車輛。通過上述方式，本申請通過將車輛類型的識別檢測與危險品標檢測級聯配合的方式，能夠更有效地實現對危險品車輛的高精度識別，且有效地提高了危險品車輛識別的準確率。

技術領域

本申請涉及車輛識別技術領域，尤其是涉及一種車輛的識別方法、車輛識別模型的訓練方法及相關裝置。

背景技術

目前，隨著人工智能技術的發展，智能交通已經得到了很大的普及，而其中的車輛識別在智能交通中發揮著重要作用，尤其是針對帶有危險品的車輛進行的識別。其中，有效地識別出危險品車輛，不僅可以有效地執行交通限行，還可以有效預防危險品車輛所造成的潛在危險。

但是，現有的車型識別系統都是針對通用車輛的，而并不專用于對危險品車輛進行識別，且因危險品運輸車在一定程度上和大卡車，大貨車等車輛相似度較高，從而導致對危險品運輸車這類特殊車輛的識別效果均較差。

發明內容

本申請主要解決的技術問題是提供一種車輛的識別方法、車輛識別模型的訓練方法及相關裝置，該車輛的識別方法能夠解決現有技術中的車型識別系統，無法有效地對危險品運輸車進行精準識別的問題。

為解決上述技術問題，本申請采用的第一個技術方案是：提供一種車輛的識別方法，其中，該車輛的識別方法包括：獲取到帶有車輛的圖片；將圖片輸入到經訓練的車輛識別模型，以對車輛進行分類；對將車輛分出的類型進行識別，并確定將車輛歸類于危險車輛的置信度；如果置信度小于預設閾值時，對圖片進行危險品標檢測，以在檢測出圖片包括危險品標時，確定車輛為危險車輛。

其中，將圖片輸入到經訓練的車輛識別模型，以對車輛進行分類的步驟包括：將圖片輸入到經訓練的車輛識別模型；通過車輛識別模型對圖片進行特征提取，以獲取到圖片的特征圖；根據特征圖對車輛進行分類。

其中，通過車輛識別模型對圖片進行特征提取，以獲取到圖片的特征圖的步驟包括：通過車輛識別模型的第一卷積核對圖片進行卷積運算，以獲取到圖片的初始特征圖；將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；對設定數量的特征子圖進行全連接，以獲取到特征圖。

其中，將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：將初始特征圖劃分為設定數量的特征子集；如果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。

其中，通過車輛識別模型對圖片進行特征提取，以獲取到圖片的特征圖的步驟之后，根據特征圖對車輛進行分類的步驟之前，還包括：通過注意力機制對特征圖進行重標定，以獲取到重標定的特征圖；根據特征圖對車輛進行分類的步驟包括：根據重標定的特征圖對車輛進行分類。

其中，通過注意力機制對特征圖進行重標定，以獲取到重標定的特征圖的步驟包括：對特征圖進行全局平均池化，并通過權重值對池化后的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，從而獲取到特征圖中每一特征通道的歸一化權重；將歸一化權重與其對應的特征圖中每一特征通道相乘，以獲取到重標定的特征圖。