[发明专利]车辆属性检测方法、装置及存储介质

权利要求书

1.一种车辆属性检测方法，其特征在于，所述方法包括：

获取待识别车辆的车辆图像；

将所述车辆图像输入预先训练的属性检测模型，得到所述待识别车辆的至少两种属性信息和每种属性信息在所述车辆图像中的位置信息；所述属性检测模型包括第一分支模型，所述第一分支模型用于检测所述待识别车辆上不同局部属性位置的局部车身颜色；所述至少两种属性信息包括所述不同局部属性位置的局部车身颜色；

根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色。

2.根据权利要求1所述的方法，其特征在于，所述根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色，包括：

统计每种局部车身颜色的数量，所述局部车身颜色的数量指具有相同局部车身颜色的不同局部属性位置的数量；

若存在一种局部车身颜色的数量大于其它局部车身颜色的数量，则将该局部车身颜色确定为所述待识别车辆的车辆颜色。

3.根据权利要求1所述的方法，其特征在于，所述根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色，包括：

获取所述待识别车辆的车辆类型；

确定所述车辆类型对应的局部属性优先级；所述局部属性优先级用于指示所述车身局部属性位置的优先程度；

将局部属性优先级最高的局部属性位置对应的局部车身颜色确定为所述待识别车辆的车辆颜色。

4.根据权利要求3所述的方法，其特征在于，所述属性检测模型还包括第二分支模型，所述第二分支模型用于检测所述待识别车辆的车辆类型；所述至少两种属性信息包括所述待识别车辆的车辆类型；

所述获取所述待识别车辆的车辆类型，包括：

获取所述第二分支模型输出的所述待识别车辆的车辆类型。

5.根据权利要求1所述的方法，其特征在于，所述根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色，包括：

将所述不同局部属性位置的局部车身颜色按照预设的颜色优先级由高到低的顺序进行排序；所述颜色优先级用于指示局部车身颜色的优先程度；

将颜色优先级最高的局部车身颜色确定为所述待识别车辆的车辆颜色。

6.根据权利要求1所述的方法，其特征在于，所述属性检测模型还包括第三分支模型，所述第三分支模型用于检测所述待识别车辆的驾驶人员的驾驶状态和/或其它属性信息，所述至少两种属性信息包括所述驾驶状态和/或其它属性信息；

其中，其它属性信息包括：所述待识别车辆的车牌、车标、车灯、和/或年检标识。

7.根据权利要求1至6任一所述的方法，其特征在于，所述将所述车辆图像输入预先训练的属性检测模型，得到所述待识别车辆的至少两种属性信息之前，还包括：

获取训练集，所述训练集包括至少一组数据，每组数据包括车辆的样本图像、所述车辆的实际属性信息和所述实际属性信息在所述样本图像中的实际位置信息；

将所述训练集输入预先建立的神经网络模型，得到训练结果；所述训练结果包括至少两种预测属性信息和每种预测属性信息在对应样本图像中的预测位置信息；所述神经网络模型包括未训练的第一分支模型，所述至少两种预测属性信息包括不同局部属性位置的预测局部车身颜色；

根据所述预测属性信息与所述实际属性信息之间的误差、所述预测位置信息与所述实际位置信息之间的误差，基于反向传播算法对所述神经网络模型进行训练，得到所述属性检测模型。

8.根据权利要求1至6任一所述的方法，其特征在于，所述属性检测模型按照数据传输方向依次为：数据输入层、通用网络层、n层卷积神经网络层和至少三个分支模型，所述至少三个分支模型包括所述第一分支模型；所述n为正整数；

每层卷积神经网络层包括卷积层、激活函数层和池化层；

每个分支模型包括全连接层、分类层和平滑层。