[發明專利]基于注意力機制的多層網絡的車輛主子品牌識別方法

有效

• 申請號: 202010581874.6
• 申請日: 2020-06-23
• 公開（公告）號: CN111754784B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 鄧順戈;王祥雪;林煥凱;賀迪龍;劉雙廣
• 申請（專利權）人: 高新興科技集團股份有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06V20/54;G06V10/82;G06V10/774;G06V10/764;G06K9/62;G06N3/04
• 代理公司: 廣州國鵬知識產權代理事務所(普通合伙) 44511
• 代理人: 葛紅

本發明屬于計算機視覺領域和智能交通信息技術領域，具體涉及一種基于注意力機制的多層網絡的車輛主子品牌識別方法，本發明的基于注意力機制的多層網絡的車輛主子品牌識別方法，能同時得到車輛的主子品牌識別結果；基于注意力機制的多層網絡的車輛主子品牌識別模型通過注意力機制，更加關注顯著性區域，提高了模型的泛化能力；通過投票機制，使得模型在復雜場景下更加穩定和可靠。

技術領域

本發明屬于計算機視覺領域和智能交通信息技術領域，具體涉及一種基于注意力機制的多層網絡的車輛主子品牌識別方法。

背景技術

隨著社會的高速發展，經濟實力的不斷提高，人民群眾對地面交通出行的需求也隨著增加。大量的機動車的涌現，使得當前城市中道路情況日益復雜，急需合理的交通管理來保證路面的暢通與人民的生命財產安全。因此，智能交通的發展是當務之急。同時，隨著深度學習不斷發展與突破，基于深度學習的計算機視覺技術在智能交通上存在著大量的應用。

在智能交通系統中，準確識別出車輛的主品牌與子品牌在城市交通設計、交通管理系統和公安系統有著重要的應用。它可以對不同的車輛的主品牌、子品牌進行識別，例如識別出某輛車的主品牌是大眾，子品牌是桑塔納等。公安系統可以利用車輛的主子品牌信息來識別車輛是否為套牌車；交通管理系統可以根據車輛的主子品牌信息來動態調節信號燈等。

目前，車輛主子品牌識別主要有兩種方法，車標識別和車型識別。車標識別是針對車輛上的車標進行分類，得到車輛的品牌信息。但是，該方法只能識別出車輛的主品牌，無法判斷車輛的子品牌；對圖像質量要求高，車標需清晰可見。車型識別是區分車輛的種類，如橋車、貨車和客車等，通過感應線圈得到信號波形，對波形進行分類得到車型信息。該方法靈活性不足，不易于安裝；對車輛品牌識別的準確率低；維護成本高。

發明內容

針對上述的不足，本發明提供一種基于注意力機制的多層網絡的車輛主子品牌識別方法。該基于注意力機制的多層網絡的車輛主子品牌識別方法，能同時得到車輛的主子品牌識別結果；基于注意力機制的多層網絡的車輛主子品牌識別模型通過注意力機制，更加關注顯著性區域，提高了模型的泛化能力；通過投票機制，使得模型在復雜場景下更加穩定和可靠。

本發明通過以下技術方案實現：

一種基于注意力機制的多層網絡的車輛主子品牌識別方法，所述的方法包含如下步驟：

步驟一：收集數據，選擇不同場景、天氣、光線和角度下的圖片，且該圖片僅包含一輛完整車輛區域，并對該圖片進行分類，得到目標車輛的主品牌和子品牌信息，構建訓練集；

步驟二：使用步驟一所得的訓練集，訓練基于注意力機制的多層網絡的車輛主子品牌識別模型；

步驟三：使用步驟二得到的基于注意力機制的多層網絡的車輛主子品牌識別模型，輸入僅包含一輛完整車輛區域的圖片，得到該目標車輛的主品牌預測概率矩陣和子品牌預測概率矩陣；

步驟四：使用步驟三得到的主品牌預測概率矩陣和子品牌預測概率矩陣，通過投票的方式，得到車輛的主品牌和子品牌識別結果。

進一步地，所述的基于注意力機制的多層網絡的車輛主子品牌識別模型具有雙層網絡結構。

進一步地，所述的雙層網絡結構包括第一層網絡和第二層網絡，第一層網絡由第一特征提取器和注意力網絡組成，第二層網絡由第二特征提取器組成。

進一步地，所述的第一層網絡中的第一特征提取器和注意力網絡通過雙線性池化操作得到部位特征矩陣，并將該部位特征矩陣輸入到全連接層，得到主品牌預測概率矩陣。

進一步地，所述的第二層網絡中的輸入是由第一層網絡的注意力網絡提取的顯著性區域所構成，通過第二特征提取器得到輸入圖片的子品牌預測概率矩陣。

進一步地，所述的主品牌預測概率矩陣和子品牌預測概率矩陣通過投票的方式得到車輛的主品牌和子品牌識別結果。