[发明专利]无牌车车型识别方法、装置及终端设备

权利要求书

1.一种无牌车车型识别方法，其特征在于，包括：

对无牌车进行粗定位得到无牌车的原始图像；

对无牌车的原始图像进行第一预处理得到无牌车的有效区域图像；

对无牌车的有效区域图像进行第二预处理得到无牌车的待识别图像；

将无牌车的待识别图像输入至预设轻量级神经网络模型中进行车型识别。

2.如权利要求1所述的无牌车车型识别方法，其特征在于，所述对无牌车的原始图像进行第一预处理得到无牌车的有效区域图像，包括：

检测无牌车的原始图像中无牌车的位置，得到无牌车的初始有效区域图像；

对无牌车的初始有效区域图像进行边缘调整，得到无牌车的有效区域图像。

3.如权利要求2所述的无牌车车型识别方法，其特征在于，所述对无牌车的初始有效区域图像进行边缘调整，得到无牌车的有效区域图像，包括：

以无牌车的初始有效区域图像的预设顶点为原点建立直角坐标系，并确定直角坐标系中无牌车的初始有效区域图像的各个顶点的坐标；

对初始有效区域图像的各个顶点的坐标进行调整，得到无牌车的有效区域图像。

4.如权利要求1所述的无牌车车型识别方法，其特征在于，所述对无牌车的有效区域图像进行第二预处理得到无牌车的待识别图像，包括：

对无牌车的有效区域图像按照预设尺寸进行缩放；

对缩放后的无牌车的有效区域图像按照预设倍数进行像素值的调节，得到无牌车的待识别图像。

5.如权利要求1至4任一项所述的无牌车车型识别方法，其特征在于，所述预设轻量级神经网络模型的训练过程，包括：

获取无牌车车型的训练样本数据和测试样本数据；

基于训练样本数据对原始轻量级神经网络模型进行训练；

基于测试样本数据对经过训练样本数据训练的原始轻量级神经网络模型进行测试，若原始轻量级神经网络模型的输出结果准确率达到预设阈值，则确定原始轻量级神经网络模型训练完成，得到预设轻量级神经网络模型。

6.如权利要求5所述的无牌车车型识别方法，其特征在于，所述预设轻量级神经网络的网络结构包括三个卷积层、四个最大池化层、四个block单元、一个全局平均池化层、一个全连接层以及用于分类的softmax层；其中，每个block单元中包含两个卷积核大小为3*3的卷积层和一个Eltwise层。

7.一种无牌车车型识别装置，其特征在于，包括：

粗定位模块，用于对无牌车进行粗定位得到无牌车的原始图像；

第一预处理模块，用于对无牌车的原始图像进行第一预处理得到无牌车的有效区域图像；

第二预处理模块，用于对无牌车的有效区域图像进行第二预处理得到无牌车的待识别图像；

车型识别模块，用于将无牌车的待识别图像输入至预设轻量级神经网络模型中进行车型识别。

8.如权利要求7所述的无牌车车型识别装置，其特征在于，所述第一预处理模块包括：

检测单元，用于检测无牌车的原始图像中无牌车的位置，得到无牌车的初始有效区域图像；

边缘调整单元，用于对无牌车的初始有效区域图像进行边缘调整，得到无牌车的有效区域图像。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。