[發(fā)明專利]車輛識別方法、裝置、計算機(jī)設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010766113.8
• 申請日: 2020-08-03
• 公開（公告）號: CN112001269A
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計）人: 肖鐘雯
• 申請（專利權(quán)）人: 浙江大華技術(shù)股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 杭州華進(jìn)聯(lián)浙知識產(chǎn)權(quán)代理有限公司 33250
• 代理人: 陳涵

本申請涉及一種車輛識別方法，該車輛識別方法包括：獲取車輛圖片；將車輛圖片輸入特種車輛識別模型，得到特種車輛預(yù)判結(jié)果；將車輛圖片輸入標(biāo)志物識別模型，得到標(biāo)志物識別結(jié)果；根據(jù)特種車輛預(yù)判結(jié)果和標(biāo)志物識別結(jié)果，輸出最終車輛識別結(jié)果。通過本申請，解決了傳統(tǒng)技術(shù)識別特種車輛需要結(jié)合警燈和警報聲光識別，無法識別無警燈、警報聲的特種車輛問題。利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，結(jié)合特殊車輛預(yù)判模型和車身標(biāo)志物識別進(jìn)行特殊車輛的識別，大大提升了識別準(zhǔn)確率；特種車輛識別模型利用車輛全局構(gòu)件，與局部構(gòu)件表達(dá)相比，獲得的信息更為全面；實(shí)現(xiàn)了在監(jiān)控場景下準(zhǔn)確識別特種車輛。

技術(shù)領(lǐng)域

本發(fā)明涉及一種視頻監(jiān)控技術(shù)領(lǐng)域，特別是涉及一種車輛識別方法、裝置、計算機(jī)設(shè)備和存儲介質(zhì)。

背景技術(shù)

道路上的特種車輛(救護(hù)車、校車、警車、消防車等)，通常都在執(zhí)行特殊的任務(wù)，特種車輛的識別可以為一些執(zhí)行任務(wù)的特種車輛提供優(yōu)化路線、提醒其他車輛避讓等智能管控措施，因此，特種車輛的準(zhǔn)確識別對智慧交通的管控有著極具重要的意義。

智能交通管理系統(tǒng)對車輛識別的要求越來越高，所需要的車輛信息也是越來越多。車輛識別系統(tǒng)是智能交通管理系統(tǒng)中十分重要的一環(huán)，它通過車輛檢測和車輛識別可以準(zhǔn)確地獲取路面交通車流量信息，同時能獲取基本的車輛信息，這些都是路面交通管理系統(tǒng)的重要基礎(chǔ)信息。隨之深度學(xué)習(xí)在近幾年的火熱發(fā)展，特別是卷積神經(jīng)網(wǎng)絡(luò)在計算機(jī)視覺領(lǐng)域的取得的重大突破，卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)成為計算機(jī)視覺領(lǐng)域的重要研究方向。隨著最近幾年深度學(xué)習(xí)的發(fā)展，作為傳統(tǒng)機(jī)器學(xué)習(xí)的分支和延伸，深度學(xué)習(xí)如今已經(jīng)在很多領(lǐng)域取得了輝煌的成績，尤其是在圖像識別領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)在圖像特征提取上的優(yōu)勢是人工提取所不能比擬的。卷積神經(jīng)網(wǎng)絡(luò)以原始圖像作為輸入，通過大量圖像數(shù)據(jù)訓(xùn)練，能夠自動提取用于識別圖像目標(biāo)的特征，簡化了圖像目標(biāo)識別模型。而且卷積神經(jīng)網(wǎng)絡(luò)對圖像目標(biāo)的平移、縮放、旋轉(zhuǎn)等形變具有很強(qiáng)的魯棒性，可以極大提高目標(biāo)的識別率，同時具有更好的泛化能力。

傳統(tǒng)技術(shù)根據(jù)警燈和警報聲光進(jìn)行識別，并未考慮到監(jiān)控場景下的特種車輛識別，也未考慮到其他無警燈、警報聲的特種車輛的識別。通過提取特種車輛局部構(gòu)件與特種車輛樣本庫中信息進(jìn)行比對，局部構(gòu)件表達(dá)的信息不夠完整，與全局相比特征量偏少，容易出現(xiàn)由于特征表達(dá)不充分導(dǎo)致識別出錯的問題。

發(fā)明內(nèi)容

本申請實(shí)施例提供了一種車輛識別方法、裝置、計算機(jī)設(shè)備和存儲介質(zhì)，以解決特種車輛識別準(zhǔn)確度不高的問題。

第一方面，本申請實(shí)施例提供了一種車輛識別方法，該方法包括：獲取車輛圖片；將所述車輛圖片輸入特種車輛識別模型，得到特種車輛預(yù)判結(jié)果；將所述車輛圖片輸入標(biāo)志物識別模型，得到標(biāo)志物識別結(jié)果；根據(jù)所述特種車輛預(yù)判結(jié)果和標(biāo)志物識別結(jié)果，輸出最終車輛識別結(jié)果。

在其中一個實(shí)施例中，所述將所述車輛圖片輸入特種車輛識別模型，獲取特種車輛預(yù)判結(jié)果，包括：將所述車輛圖片輸入特種車輛識別模型，得到各特種車輛類別的第一置信度；根據(jù)各特種車輛類別的第一置信度，獲取最大第一置信度對應(yīng)的特征車輛類別；將最大第一置信度對應(yīng)的特種車輛類別以及對應(yīng)的第一置信度作為所述特種車輛預(yù)判結(jié)果。

在其中一個實(shí)施例中，所述的車輛識別方法，其特征在于，所述將所述車輛圖片輸入標(biāo)志物識別模型，獲取標(biāo)志物識別結(jié)果包括：將所述車輛圖片輸入標(biāo)志物識別模型，得到至少一種標(biāo)志物以及所述標(biāo)志物對應(yīng)的第二置信度。

在其中一個實(shí)施例中，所述根據(jù)所述預(yù)判結(jié)果和標(biāo)志物識別結(jié)果，輸出最終車輛識別結(jié)果包括：若所述特種車輛預(yù)判結(jié)果中的第一置信度大于等于第一閾值時，則將特種車輛預(yù)判結(jié)果中的特種車輛類別作為最終車輛識別結(jié)果。

在其中一個實(shí)施例中，所述根據(jù)所述特種車輛預(yù)判結(jié)果和標(biāo)志物識別結(jié)果，輸出最終車輛識別結(jié)果還包括：若所述特種車輛預(yù)判結(jié)果中的第一置信度小于第一閾值時，獲取標(biāo)志物識別結(jié)果中的至少一種標(biāo)志物以及所述標(biāo)志物對應(yīng)的第二置信度；若第二置信度大于等于第二閾值，則獲取第二置信度對應(yīng)的標(biāo)志物，并且將所述標(biāo)志物對應(yīng)的車輛類別作為最終車輛識別結(jié)果。