[发明专利]一种神经网络系统及其识别车辆属性的方法

说明书

本发明公开了一种神经网络系统及其识别车辆属性的方法，神经网络系统包括：数据输入层、局部特征提取网络、全局特征提取网络以及分类层；所述数据输入层，用于接收外部输入车辆图像；所述局部特征提取网络，用于对所述数据输入层接收的所述车辆图像进行识别以提取至少一个兴趣区域所对应的局部特征数据；所述全局特征提取网络，用于根据各个所述兴趣区域所分别对应的局部特征数据确定全局特征数据；所述分类层，用于根据各个所述兴趣区域所分别对应的局部特征数据以及所述全局特征数据确定并输出至少两种车辆属性信息。本发明的技术方案，实现对车辆图像所对应的多种车辆属性进行识别时，资源消耗较低。

技术领域

本发明涉及计算机技术领域，尤其涉及一种神经网络系统及其识别车辆属性的方法。

背景技术

为了实现在交通监控系统、停车计费系统以及其他业务系统中能够对不同车辆进行唯一标识，通常需要对车辆的颜色、车型以及车标类别等多种车辆属性进行识别。

目前，当需要多种车辆属性进行识别时，需要分别针对每一种车辆属性分别训练一个神经网络模型(即神经网络系统)，利用训练的各个神经网络模型分别对同一张车辆图像进行识别，使得每一个神经网络模型识别并输出对应于该车辆图像的一种车辆属性。

通过训练的多个神经网络模型分别对车辆图像进行识别而得到车辆图像所对应多种车辆属性时，需要占用较多的存储资源及计算资源，资源消耗较高。

发明内容

本发明提供一种神经网络系统及其识别车辆属性的方法，无需占用过多的存储资源即计算资源，资源消耗较低。

第一方面，本发明提供了一种神经网络系统，包括：

数据输入层、局部特征提取网络、全局特征提取网络以及分类层；其中，

所述数据输入层，用于接收外部输入的对应于待识别车辆的车辆图像；

所述局部特征提取网络，用于对所述数据输入层接收的所述车辆图像进行识别以提取至少一个兴趣区域所对应的局部特征数据；

所述全局特征提取网络，用于根据各个所述兴趣区域所分别对应的局部特征数据确定全局特征数据；

所述分类层，用于根据各个所述兴趣区域所分别对应的局部特征数据以及所述全局特征数据确定并输出至少两种车辆属性信息。

优选地，

所述局部特征提取网络，包括：至少两三个线性排列连接的卷积层；其中，

排列在首位的所述卷积层与所述数据输入层相连，排列在末位的所述卷积层与所述全局特征提取网络相连；

所述卷积层，用于当所述卷积层排列在首位时，对所述数据输入层接收的所述车辆图像进行识别以提取低级局部特征数据，并将所述局部特征数据输出至与其相连的后置卷积层；当所述卷积层排列在非首位且非末位时，对与其相连的前置卷积层输入的所述低级局部特征数据进行特征提取以形成新的局部特征数据，并将形成的新的低级局部特征数据输出至与其相连的后置卷积层；当所述卷积层排列在末位时，对与其相连的前置卷积层输入的所述低级局部特征数据进行特征提取以形成至少一个兴趣区域所对应的高级局部特征数据，并将形成的高级局部特征数据作为局部特征数据输出至所述全局特征提取网络。

优选地，

所述卷积层，包括：数据接收单元、数据合并单元以及至少三个卷积网络；其中，

每一个所述卷积网络的输入端均与所述数据接收单元相连，每一个所述卷积网络的输出端均与所述数据合并单元相连；

所述数据接收单元，用于接收输入的车辆图像或低级局部特征数据；