[发明专利]一种车辆信息识别方法及装置和一种车辆

说明书

技术领域

本发明涉及图像识别领域，具体涉及一种车辆信息识别方法及装置和一种车辆。

背景技术

随着深度学习技术的兴起，基于深度学习的图像识别准确率逐年上涨，人脸识别、行为识别、运动识别等图像识别技术在越来越多场合中被提及，随着硬件、算法及大数据的不断发展，深度学习技术在很多领域均得到了广泛使用，例如车辆自动驾驶领域，是通过电脑系统实现无人驾驶，依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆，自动驾驶汽车对外界信息的获取主要基于声音和图像，要实现真正的无人驾驶，必须能够准确感知和识别前方车辆行驶的状态信息，而现有汽车采用语音通讯方式获取信息，使得信息在传输过程中容错性差，信息存储量低且抗干扰性差，降低了汽车驾驶过程中信息获取的准确性。

发明内容

因此，本发明要解决的技术问题在于现有汽车采用语音通讯方式获取信息，使得信息在传输过程中容错性差，信息存储量低且抗干扰性差，降低了汽车驾驶过程中信息获取的准确性。

有鉴于此，本发明提供一种车辆信息识别方法，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。

优选地，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。

优选地，

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。优选地，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。

优选地，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。

相应地，本发明还提供一种车辆信息识别装置，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。

优选地，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。

优选地，

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。

优选地，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；