[發明專利]基于人工智能的車品牌識別方法、裝置、設備及介質

有效

• 申請號: 202011011585.9
• 申請日: 2020-09-23
• 公開（公告）號: CN112132140B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 吳曉東
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06V10/56
• 分類號: G06V10/56;G06V10/764;G06V10/82;G06V30/18;G06V30/19;G06K9/62;G06N3/04
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 陳敬華;楊毅玲

本發明涉及人工智能技術領域，提供一種基于人工智能的車品牌識別方法、裝置、設備及介質，采用交并比下的多尺度并行結構，能夠有效緩解簡單與困難場景的樣本不均衡問題，顯著提高了困難場景下的車品牌識別準確率，增加了交并比損失，能夠更加精準地擬合檢測框的位置和大小，還能夠有效減少非車輛的誤召回現象，從而提高了車品牌識別的整體召回率和準確率，同時，該損失函數能夠從多個層面評價模型的損失，進而使模型的訓練效果更佳，進而實現對車品牌的自動識別。此外，本發明還可應用于智慧交通，從而推動智慧城市的建設。本發明還涉及區塊鏈技術，識別結果可存儲于區塊鏈節點中。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于人工智能的車品牌識別方法、裝置、設備及介質。

背景技術

隨著車輛違規行為的不斷增加，對交通卡口中的車輛進行快速定位與識別，已經成為城市交通管理中非常重要的任務。

傳統的車品牌識別主要采用YOLOv3算法，但是，YOLOv3算法僅適用于晴天、白天、車正面、車背面等簡單場景，而對于霧霾、雨天、夜間、車側面等困難場景，YOLOv3算法的準確率和召回率都相對較低，還存在很大的提升空間。

發明內容

鑒于以上內容，有必要提供一種基于人工智能的車品牌識別方法、裝置、設備及介質，能夠有效緩解簡單與困難場景的樣本不均衡問題，顯著提高了困難場景下的車品牌識別準確率，采用交并比損失，能夠更加精準地擬合檢測框的位置和大小，還能夠有效減少非車輛的誤召回現象，從而提高了車品牌識別的整體召回率和準確率。

一種基于人工智能的車品牌識別方法，所述基于人工智能的車品牌識別方法包括：

響應于接收到的待檢測圖像，對所述待檢測圖像進行resize處理，得到目標圖像；

利用darknet53網絡提取所述目標圖像的車輛特征；

將所述車輛特征輸入至預先訓練的車品牌識別模型，輸出第一特征圖、第二特征圖及第三特征圖，其中，所述車品牌識別模型為采用多交并比及交并比損失訓練YOLOv3網絡而得到的級聯網絡結構；

獲取所述車品牌識別模型的目標anchor box；

對于所述第一特征圖、所述第二特征圖及所述第三特征圖中的每個特征圖，利用所述目標anchor box在每個特征圖上進行識別，輸出與每個特征圖對應的預測anchor box坐標、每個預測anchor box坐標的目標得分及車品牌的預測概率，從所述預測anchor box坐標中選擇所述目標得分最高的預測anchor box坐標作為車輛的預測坐標；

將所述車輛的預測坐標映射到所述待檢測圖像上，得到映射圖，輸出所述映射圖及所述車品牌的預測概率作為識別結果。

根據本發明優選實施例，所述將所述車輛特征輸入至預先訓練的車品牌識別模型，輸出第一特征圖、第二特征圖及第三特征圖包括：

對所述車輛特征執行第一卷積層運算，得到第一中間特征，并對所述第一中間特征執行第一聯合卷積運算，得到所述第一特征圖，其中，所述第一卷積層及所述第一聯合卷積采用第一交并比訓練而得到；

對所述第一中間特征執行上采樣運算，得到第一特征；

對所述第一特征執行第二卷積層運算，得到第二中間特征，并對所述第二中間特征執行第二聯合卷積運算，得到所述第二特征圖，其中，所述第二卷積層及所述第二聯合卷積采用第二交并比訓練而得到；

對所述第二中間特征執行所述上采樣運算，得到第二特征；

對所述第二特征執行第三卷積層運算及第三聯合卷積運算，得到所述第三特征圖，其中，所述第三卷積層及所述第三聯合卷積采用第三交并比訓練而得到。

根據本發明優選實施例，所述基于人工智能的車品牌識別方法還包括：