[發明專利]車款識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011505460.1
• 申請日: 2020-12-18
• 公開（公告）號: CN112580665A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 吳曉東
• 申請（專利權）人: 深圳賽安特技術服務有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 袁文婷;張娓娓

本發明涉及人工智能，提供一種車款識別方法，包括：對原始圖像進行車輛特征提取以形成三種不同尺度的特征圖，該種將傳統單尺度特征圖改進為多尺度的方法，顯著擴大不同尺度車輛的召回，再基于三組錨框在三種不同尺度的特征圖上分別執行選框操作、以生成與三種不同尺度的特征圖相對應的候選框，有效緩解了車輛檢測框的漏召和誤檢問題，再對完全候選框執行分塊操作以將完全候選框中的每個候選框分為預設大小的模塊，對每個模塊執行像素點采樣，以獲得輸出矩陣，增加了分塊操作，有效緩解像素偏差問題，改善了車輛檢測框的定位精度，從而提高了車款識別的整體準確率和召回率。

技術領域

本發明涉及人工智能，涉及一種智能識別車款的方法，尤其涉及一種車款識別方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

當下經濟高速發展，不同車輛在馬路上同行，因此車款識別為當前道路交通安全的重要解決問題。

由于車輛款型的種類繁多，并且有些款型的車從外形或車標來看十分相似，基于傳統FasterRCNN網絡來識別這些相似款型難度較大，準確率不高，并且基于傳統FasterRCNN的車款識別算法在晴天、白天、車正面等簡單場景下可以達到一定的準確率，但在霧霾、雨天、夜間、車側面等困難場景下，其準確率和召回率都還相對較低。

因此，亟需一種能夠提高車款識別的召回率，緩解像素偏差的問題，改善車輛檢測框的定位精度，提高車款識別準確率的車款識別方法。

發明內容

本發明提供一種車款識別方法、裝置、電子設備及計算機可讀存儲介質，其主要目的在于提高車款識別的召回率，緩解像素偏差的問題，改善車輛檢測框的定位精度，提高車款識別準確率。

為實現上述目的，本發明提供的一種車款識別方法，包括：

按預設的特征提取規則對原始圖像進行車輛特征提取以形成三種不同尺度的特征圖；

按預設的三組錨框在所述三種不同尺度的特征圖上分別執行選框操作，以生成與所述三種不同尺度的特征圖相對應的候選框，并將生成的候選框進行合并以獲取完全候選框；

對所述完全候選框執行分塊操作以將所述完全候選框中的每個候選框分為預設大小的模塊，對每個模塊執行像素點采樣，以獲得輸出矩陣；

對所述輸出矩陣進行回歸與分類以確定車輛坐標，將所述車輛坐標映射為所述原始圖像的圖像坐標以完成車款的識別。

可選地，所述按預設的特征提取規則對原始圖像進行車輛特征提取以形成三種不同尺度的特征圖的過程，包括：

將所述原始圖像轉換為預設尺寸的規范圖像；

將所述規范圖像輸入特征提取網絡以提取所述規范圖像中的車輛特征；

基于所述車輛特征將所述規范圖像輸入第一卷積神經網絡進行上采樣，以獲取三種不同尺度的特征圖；所述三種不同尺度的特征圖包括第一特征圖、第二特征圖和第三特征圖；其中，所述第二特征圖、第三特征圖的尺度分別為所述第一特征圖的二倍、四倍。

可選地，所述按預設的三組錨框在所述三種不同尺度的特征圖上分別執行選框操作、以生成與所述三種不同尺度的特征圖相對應的候選框的過程，包括：

創建第三卷積神經網絡，利用預設訓練數據訓練所述第三卷積神經網絡以形成選框網絡，將所述三種不同尺度的特征圖分別輸入所述選框網絡；其中，所述選框網絡至少包括3*3卷積層、激活函數、分類函數、回歸函數、加權非極大值抑制算法和裁剪算法；

使所述三種不同尺度的特征圖分別經過所述3*3卷積層、激活函數得到對應的三種激活特征圖；