[发明专利]一种车辆信息识别方法、系统、存储器及处理器

说明书

本发明提供了一种车辆信息识别方法、系统、存储器及处理器。其中所述车辆信息识别方法包括建立车辆信息数据集；基于yolov3网络对所述车辆信息数据集进行训练，得到可以识别所述车辆信息的多属性网络模型；运用得到的所述多属性网络模型来对待识别图像的车辆信息进行多属性预测，以识别所述待识别图像中的车辆结构化信息。在yolov3的基础上，设置影响网络模型性能的网络参数，使得收敛速度更快、网络模型的效果更优，直接将车辆本身的信息解析为每个独立的类，实现端到端的输入与输出，使得网络输出为每个车辆的结构化信息，从而车辆信息识别检测过程耗时少，识别效率高，普遍适用于车辆检测领域。

【技术领域】

本发明涉及信息识别技术领域，尤其涉及一种车辆信息识别方法、系统、存储器及处理器。

【背景技术】

目前，视频监控车辆信息系统作为面向城市公共安全综合管理的物联网应用中智慧安防和智慧交通的重要组成部分，面临着深度应用的巨大挑战。主要应用瓶颈是视频中车辆结构化信息如何快速高效提出。

传统方法实现的视频监控车辆信息系统，应用卷积神经网络的方法，虽然能够提取输入的不同特征，其中包含浅层特征，深层特征，局部特征等，并根据特征信息进行分类。目前，它已经在图像分类上取得了良好的效果，但对于细粒度分类的实时性以及准确率还有改进空间，不能统一提取车辆信息，需要多次分析融合信息，过程繁琐，耗时长。

【发明内容】

本发明所要解决的技术问题是提供一种车辆信息识别方法、系统、存储器及处理器，能够在yolov3的基础上直接将车辆本身的信息解析为每个独立的类，实现端到端的输入与输出，使得网络输出为车辆的结构化信息，从而车辆信息识别检测过程耗时少，识别效率高。

为解决上述技术问题，一方面，本发明一实施例提供了一种车辆信息识别方法，包括：建立车辆信息数据集；设置基于yolov3网络参数；基于yolov3网络对所述车辆信息数据集进行训练，得到可以识别所述车辆信息的多属性网络模型；运用得到的所述多属性网络模型来对待识别图像的车辆信息进行多属性预测，以识别所述待识别图像中的车辆结构化信息。

优选地，所述建立车辆信息数据集包括：对所述车辆信息数据集进行预处理；对所述车辆信息数据集进行数据增强处理。

优选地，所述设置基于yolov3网络参数包括：设置基于yolov3网络的类参数为所述车辆信息数据集定义的类别数；设置基于yolov3网络的滤波器参数为3×(类参数+5)。

优选地，所述基于yolov3网络对所述车辆信息数据集进行训练，得到可以识别所述车辆信息的多属性网络模型包括：用打标工具对所述车辆信息数据集进行类别标定，生成.xml格式的标定文件；将.xml格式的标定文件转换为.txt文件，并生成存储所述车辆信息数据集中每张图像所在的路径的.txt文件；根据所述车辆信息数据集中的类别设定更改网络超参。

优选地，所述运用得到的所述多属性网络模型来对待识别图像的车辆信息进行多属性预测包括：将含有车辆信息的视频资源或者静态图像输入进训练好的网络模型，一次性输出所述车辆信息的结构化信息。

优选地，所述对所述车辆信息数据集进行预处理包括：统计所述车辆信息数据集，按不同的类别分别存放到不同的文件夹。

优选地，所述对所述车辆信息数据集进行数据增强处理包括：对所述车辆信息数据集的图像进行翻转处理，将对应的翻转图像另命名保存在所述车辆信息数据集的图像相同的文件夹下。

优选地，所述对所述车辆信息数据集进行数据增强处理包括：对所述车辆信息数据集的图像进行镜像处理，将对应的镜像图像另命名保存在所述车辆信息数据集的图像相同的文件夹下。

优选地，所述翻转处理的角度为-15°～15°。