[發明專利]一種車輛檢測方法、裝置、存儲介質及電子設備

在審

• 申請號: 202111493090.9
• 申請日: 2021-12-08
• 公開（公告）號: CN114283357A
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 鐘毓杰;馬林;袁藝天;章少軒;張遠安;梁釩
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V20/54;G06V10/80;G06V20/62;G06V10/774;G06V10/82;G06V30/10;G06N3/04
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 鄧超

1.一種車輛檢測方法，其特征在于，包括：

獲取待檢測的目標圖像；

將所述目標圖像輸入預先訓練的車輛檢測模型的特征提取層，確定所述目標圖像的第一特征圖；

將所述目標圖像的第一特征圖輸入所述車輛檢測模型的目標檢測層中，確定所述第一特征圖中的車輛檢測框、車牌檢測框以及車輛類型；

將所述第一特征圖輸入所述車輛檢測模型的上采樣層，得到第二特征圖；

根據所述第一特征圖中的車牌檢測框，從所述第二特征圖中確定出車牌區域特征圖，并將所述車牌區域特征圖輸入所述車輛檢測模型的號碼識別層中，識別所述目標圖像中車輛的車牌號；

根據所述目標圖像的車輛檢測框、車牌檢測框、車輛類型以及車牌號，確定所述目標圖像中的車輛檢測結果。

2.如權利要求1所述的方法，其特征在于，將所述第一特征圖輸入所述車輛檢測模型的上采樣層，得到第二特征圖，具體包括：

將所述第一特征圖輸入所述車輛檢測模型的上采樣層中，進行反卷積，得到中間特征圖；

根據所述中間特征圖中各像素點的像素值，進行雙線性插值，生成第二特征圖。

3.如權利要求1所述的方法，其特征在于，將所述目標圖像輸入預先訓練的車輛檢測模型的特征提取層，確定所述目標圖像的第一特征圖，具體包括：

將所述目標圖像輸入預先訓練的車輛檢測模型的特征提取層，確定所述特征提取層的不同層級輸出的圖像特征；

通過特征金字塔網絡對不同層級輸出的圖像特征進行融合處理，得到融合后的圖像特征，作為第一特征圖。

4.如權利要求1所述的方法，其特征在于，所述方法還包括：

根據所述第一特征圖中的車輛檢測框，從所述第二特征圖中確定出車輛區域特征圖；

將所述車輛區域特征圖輸入所述車輛檢測模型的文字檢測層中，確定所述車輛區域特征圖中的文字區域檢測框；

根據所述車輛區域特征圖以及所述文字區域檢測框，通過所述車輛檢測模型的文字識別層，識別所述目標圖像中車輛的車體文字。

5.如權利要求1所述的方法，其特征在于，根據所述第一特征圖中的車牌檢測框，從所述第二特征圖中確定出車牌區域特征圖，具體包括：

將所述車牌檢測框從所述第一特征圖映射到所述第二特征圖中，確定車牌區域特征圖；

按照預設的固定尺寸，將所述車輛區域特征圖劃分為若干子區域；

針對所述車輛區域特征圖的每個子區域，按照預設的采樣點數，將該子區域劃分為若干網格；

根據各網格內各像素點的像素值，進行雙線性插值，確定各網格中心點的像素值，并根據各網格中心點的像素值，確定該子區域對應的像素值；

根據各子區域對應的像素值，更新所述車輛區域特征圖。

6.如權利要求1所述的方法，其特征在于，訓練車輛檢測模型，具體包括：

獲取歷史上采集的若干包含車輛的環境圖像，作為訓練樣本，并根據所述環境圖像中車輛的車輛信息，對所述訓練樣本進行標注；所述車輛信息至少包括車輛位置、車牌位置、車輛類型以及車牌號；

針對每個訓練樣本，將該訓練樣本輸入待訓練的車輛檢測模型的特征提取層，確定該訓練樣本的第一特征圖；

將該訓練樣本的第一特征圖輸入所述車輛檢測模型的目標檢測層中，確定所述第一特征圖中的車輛檢測框、車牌檢測框以及車輛類型；

將所述第一特征圖輸入所述車輛檢測模型的上采樣層，得到第二特征圖；

根據所述第一特征圖中的車牌檢測框，從所述第二特征圖中確定出車牌區域特征圖；

將所述車牌區域特征圖輸入所述車輛檢測模型的號碼識別層中，識別該訓練樣本中車輛的車牌號；

以最小化各訓練樣本的車輛檢測框、車輛類型、車牌檢測框以及車牌號，與各訓練樣本的標注之間的差異為目標，調整所述車輛檢測模型中各網絡層的模型參數。

7.如權利要求4所述的方法，其特征在于，所述文字識別層包括雙向長短期記憶網絡LSTM。