[发明专利]一种车辆信息识别方法及装置和一种车辆

权利要求书

1.一种车辆信息识别方法，其特征在于，包括：

获取待识别车辆信息图像，所述待识别车辆信息图像用于显示车辆状态；

根据所述待识别车辆信息图像，得到所述待识别车辆信息图像的灰度特征图；

根据所述灰度特征图，确定所述待识别车辆信息图像的1bp特征图、梯度幅值特征图和梯度方向特征图；

利用神经网络模型以所述待识别车辆信息图像的灰度特征图、1bp特征图、梯度幅值特征图和梯度方向特征图作为所述神经网络模型的输入层数据，确定所述待识别车辆信息图像的车辆信息。

2.根据权利要求1的方法，其特征在于，所述待识别车辆信息图像包括包含字符的图像和转向灯图像中的至少一种。

3.根据权利要求2的方法，其特征在于，所述车辆信息至少包括转向信息和刹车信息；

当根据所述包含字符的图像确定的车辆信息与根据所述转向灯图像确定的车辆信息不一致时，进行提示。

4.根据权利要求1所述的方法，其特征在于，所述获取待识别车辆信息图像步骤之前，包括：

获取车辆信息图像和所述车辆信息图像对应的车辆信息；

根据所述车辆信息图像，得到所述车辆信息图像的灰度特征图、1bp特征图、梯度幅值特征图和梯度方向特征图；

将所述车辆信息图像的灰度特征图、1bp特征图、梯度幅值特征图和梯度方向特征图和所述车辆信息图像对应的车辆信息作为训练数据，对神经网络模型进行训练，直至所述神经网络模型对所述车辆信息图像信息识别的准确度大于预设阈值。

5.根据权利要求4所述的方法，其特征在于，当所述待识别车辆信息图像是所述包含字符的图像时，

所述获取车辆信息图像和所述车辆信息图像对应的车辆信息，包括：

获取所述车辆信息图像中的字符区域图像；

将所述字符区域图像输入到机器学习模型中进行字符分割，其中所述机器学习模型利用多个字符图像进行训练得到的。

6.一种车辆信息识别装置，其特征在于，包括：

获取单元，用于获取待识别车辆信息图像，所述待识别车辆信息图像用于显示车辆状态；

灰度特征图获取单元，用于根据所述待识别车辆信息图像，得到所述待识别车辆信息图像的灰度特征图；

特征图确定单元，用于根据所述灰度特征图，确定所述待识别车辆信息图像的1bp特征图、梯度幅值特征图和梯度方向特征图；

车辆信息确定单元，用于利用神经网络模型以所述待识别车辆信息图像的灰度特征图、1bp特征图、梯度幅值特征图和梯度方向特征图作为所述神经网络模型的输入层数据，确定所述待识别车辆信息图像的车辆信息。

7.根据权利要求6所述的装置，其特征在于，所述待识别车辆信息图像包括包含字符的图像和转向灯图像中的至少一种。

8.根据权利要求7所述的装置，其特征在于，所述车辆信息至少包括转向信息和刹车信息；

当根据所述包含字符的图像确定的车辆信息与根据所述转向灯图像确定的车辆信息不一致时，进行提示。

9.根据权利要求6所述的装置，其特征在于，所述获取单元在获取待识别车辆信息图像之前，包括：

获取子单元，用于获取车辆信息图像和所述车辆信息图像对应的车辆信息；

特征图获取子单元，用于根据所述车辆信息图像，得到所述车辆信息图像的灰度特征图、1bp特征图、梯度幅值特征图和梯度方向特征图；

训练子单元，用于将所述车辆信息图像的灰度特征图、1bp特征图、梯度幅值特征图和梯度方向特征图和所述车辆信息图像对应的车辆信息作为训练数据，对神经网络模型进行训练，直至所述神经网络模型对所述车辆信息图像信息识别的准确度大于预设阈值。

10.根据权利要求9所述的装置，其特征在于，当所述待识别车辆信息图像是所述包含字符的图像时，

所述获取子单元包括：

字符区域图像获取子单元，用于获取所述车辆信息图像中的字符区域图像；

字符分割单元，用于将所述字符区域图像输入到机器学习模型中进行字符分割，其中所述机器学习模型利用多个字符图像进行训练得到的。