[发明专利]装载率识别方法、装置、计算机设备和存储介质

权利要求书

1.一种装载率识别方法，所述方法包括：

获取载物厢体的厢体图像序列，以及与所述厢体图像序列对应的厢内图像序列；

将所述厢体图像序列输入训练好的第一神经网络，通过所述第一神经网络的中间层，提取所述厢体图像序列的时序特征；

将所述厢内图像序列输入训练好的第二神经网络，通过所述第二神经网络的中间层，提取所述厢内图像序列的装载率分类特征；其中，所述第一神经网络的中间层与所述第二神经网络的中间层的大小相同；

融合所述时序特征和所述装载率分类特征，得到融合特征；

将所述融合特征输入训练好的第三神经网络，得到所述厢内图像序列的装载率分类结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取载物厢体的样本集合，所述样本集合包括厢体图像序列样本、以及标注的所述厢体图像序列样本的装载率分类结果；

将所述厢体图像序列样本输入至第一神经网络，通过所述第一神经网络的2D卷积网络提取厢体图像序列样本中各图像的特征图，通过所述第一神经网络的3D卷积网络融合所述特征图，输出得到所述厢体图像序列样本的装载率分类结果；

根据输出的所述厢体图像序列样本的装载率分类结果和标注的所述厢体图像序列样本的装载率分类结果，调整第一神经网络的参数；

当达到训练的结束条件时，停止迭代，得到训练好的第一神经网络。

3.根据权利要求2所述的方法，其特征在于，所述样本集合还包括与所述厢体图像序列样本对应的厢内图像序列样本、以及标注的所述厢内图像序列样本的装载率分类结果；所述方法还包括：

将所述厢内图像序列样本输入第二神经网络，输出得到所述厢内图像序列样本的装载率分类结果；

根据输出的所述厢内图像序列样本的装载率分类结果和标注的所述厢内图像序列样本的装载率分类结果，调整第二神经网络的参数；

当达到训练的结束条件时，停止迭代，得到训练好的第二神经网络。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

将所述厢体图像序列样本输入训练好的第一神经网络，通过训练好的第一神经网络的中间层，提取得到所述厢体图像序列样本的时序特征；

将所述厢内图像序列样本输入训练好的第二神经网络，通过训练好的第二神经网络的中间层，提取得到所述厢内图像序列样本的装载率分类特征；

融合所述厢体图像序列样本的时序特征和所述厢内图像序列样本的装载率分类特征，得到融合特征；

将所述融合特征输入第三神经网络，输出所述厢内图像序列样本的装载率分类结果；

根据输出的所述厢内图像序列样本的装载率分类结果和标注的装载率分类结果，调整第三神经网络的参数；

当达到训练的结束条件时，停止迭代，得到训练好的第三神经网络。

5.根据权利要求1所述的方法，其特征在于，获取载物厢体的厢体图像序列，以及与所述厢体图像序列对应的厢内图像序列，包括：

接收载物厢体在厢门打开状态时拍摄的图像序列，去除所述图像序列中不包括载物厢体或重叠度不满足要求的图像，得到新图像序列；

将所述新图像序列中各图像缩放到第一预设尺寸，得到厢体图像序列；

对所述新图像序列中各图像进行识别，确定各图像中所述载物厢体的车门；

根据所述载物厢体的车门裁剪所述载物厢体的厢内图像区域，得到厢内图像区域序列；

将所述厢内图像区域序列的各图像缩放到第二预设尺寸，得到厢内图像序列。

6.根据权利要求5所述的方法，其特征在于，去除所述图像序列中不包括载物厢体或重叠度不满足要求的图像，得到新图像序列，包括：

将所述图像序列中各图像输入第四神经网络，得到所述图像序列中各图像的置信度；

根据所述置信度去除所述图像序列中不包括载物厢体的图像，得到第一剩余图像序列；

计算所述第一剩余图像序列中相邻图像的重叠度，并从所述第一剩余图像序列中去除重叠度不满足要求的图像，得到第二剩余图像序列；

根据图像采集时间，将所述第二剩余图像序列中的各图像进行排序，得到新图像序列。