[发明专利]车辆种类识别方法及装置

说明书

本申请提供的车辆种类识别方法及装置，通过获取车辆整体图片，并对车辆进行分割获得多个不同部位的局部图片。将该车辆不同部位的局部图片，按照不同部位对应的位置拼接成一幅大图。将拼接成的大图送入神经网络模型提取特征，并根据提取获得的特征对车辆进行分类。因此，本申请提供的车辆种类识别方法及装置提高不同拍摄角度下车辆种类识别率；相较于现有技术中通过多个卷积网络分别提取车辆全局图像特征和局部图像特征后再进行融合，减少了计算步骤和计算量。

技术领域

本申请涉及图像识别领域，具体而言，涉及一种车辆种类识别方法及装置。

背景技术

目前，在对车辆种类的进行识别，主要针对车辆的某一特定角度的图片。如果角度发生变化，识别准确率急剧下降。同时，对车辆的种类进行识别，传统的方法是设计多个卷积网络，一个卷积网络提取全局图片特征，其他网络提取局部图像特征，再将全局图片特征和局部图片特征融合。传统的方法步骤繁琐，计算量大，不能满足需要快速识别出车辆类型的应用场景。

发明内容

为了克服现有技术中的上述不足，本申请的目的在于提供一种车辆种类识别方法，应用于数据处理设备，所述数据处理设备预设有神经网络模型，所述神经网络模型包括多个卷积层、第一池化层和全连接层，所述方法的步骤包括：

获取车辆整体图片；

对所述车辆整体图片进行分割，获得车辆多个不同部位的局部图片；

按照预设区域划分将所述车辆多个不同部位的局部图片和所述车辆整体图片进行拼接获得拼接图片；

依次通过所述神经网络模型的多个卷积层对所述拼接图片进行特征学习获得第一特征；

通过所述神经网络模型的第一池化层对所述第一特征的预设划分区域分别做全局平均池化处理获得第二特征；

通过所述全连接层对所述第二特征进行车辆种类分类。

可选地，所述对所述车辆整体图片进行分割，获得车辆多个不同部位的局部图片的步骤包括：

识别出所述车辆整体图片中的关键点，所述关键点用于区分车辆的不同部位；

根据所述关键点，将所述车辆整体图片分割成多个不同部位的局部图片。

可选地，所述按照预设区域划分将所述车辆多个不同部位的局部图片和所述车辆整体图片进行拼接获得拼接图片的步骤包括：

将所述多个不同部位的局部图片分别拼接至相应的所述预设区域；针对没有对应的局部图片的预设区域，使用预设颜色的图片进行填充。

可选地，所述方法的步骤还包括：

获得待识别图片；

识别并提取所述待识别图片中的车辆整体图片。

可选地，所述方法还包括对所述神经网络模型的训练步骤：

获取标识有样本车辆种类的训练样本图片；

对所述训练样本图片进行分割，获得样本车辆多个不同部位的局部图片；

按照预设区域划分将所述样本车辆多个不同部位的局部图片和所述样本车辆整体图片进行拼接获得样本拼接图片；

将所述拼接图片送入所述神经网络模型，根据预设损失函数，通过反向传播算法调整所述神经网络模型的权值，直到所述神经网络模型的输出误差低于预设阈值。

可选地，所述卷积层包括通用卷积层、批归一化层和第二池化层；

通过所述通用卷积层的多个卷积核对所述拼接图片做特征提取获得多个第一样本特征；

通过所述批归一化层对所述多个第一样本特征做归一化后的第一样本特征；