[发明专利]一种车辆验证方法及装置

权利要求书

1.一种车辆验证方法，其特征在于，所述方法包括：

响应用户端发送的车辆验证请求，从预存储的验证指令集中选取目标操作指令，将所述目标操作指令发送给所述用户端；所述验证指令集中包括多个指示对车辆执行不同操作的操作指令；

接收所述用户端基于所述目标操作指令发送的原始视频数据，将所述原始视频数据输入预先训练的神经网络模型进行处理，输出识别出的待验证操作指令；

基于所述待验证操作指令与所述目标操作指令的匹配结果，确定与所述车辆验证请求对应的车辆合法性验证结果。

2.根据权利要求1所述的方法，其特征在于，所述验证指令集中包括多个指示对车辆的车灯执行不同操作的操作指令。

3.根据权利要求2所述的方法，其特征在于，所述验证指令集中包括以下操作指令中的多种：

开左闪、开右闪、开双闪、开大灯、开大灯并开左闪、开大灯并开右闪，开大灯并开双闪。

4.根据权利要求1所述的方法，其特征在于，所述预先训练的神经网络模型包括目标检测模型和指令识别模型，所述将所述原始视频数据输入预先训练的神经网络模型进行处理，输出识别出的待验证操作指令，包括：

将所述原始视频数据输入至训练好的目标检测模型，获取所述原始视频数据对应的每一帧图像中的目标部件区域；所述目标部件区域为对车辆执行的所述不同操作的作用部件所在的区域；

基于获取的每一帧图像中的所述目标部件区域，生成包含所述目标部件区域的中间视频数据；

将所述中间视频数据输入所述指令识别模型，获取识别出的待验证操作指令。

5.根据权利要求4所述的方法，其特征在于，所述目标检测模型包括第一卷积神经网络、区域推荐网络、区域映射池化层、全连接网络、回归网络和第一分类器；

所述将所述原始视频数据输入至训练好的目标检测模型，获取所述原始视频数据对应的每一帧图像中的目标部件区域，包括：

针对所述原始视频数据对应的每一帧图像，执行下述过程：

将所述图像输入至所述第一卷积神经网络进行卷积处理，获取所述图像的第一特征数据，其中，所述第一特征数据用于表征所述图像的局部特征；

将所述第一特征数据输入至所述区域推荐网络以及所述区域映射池化层，通过所述区域推荐网络对所述第一特征数据进行处理，得到所述第一特征数据对应的候选目标区域的坐标信息；将所述候选目标区域的坐标信息输入至所述区域映射池化层，通过所述区域映射池化层将所述候选目标区域的坐标信息映射在所述第一特征数据上，从所述第一特征数据上获取所述候选目标区域对应的第二特征数据，其中，所述第二特征数据用于表征所述候选目标区域的局部特征；

针对每个候选区域，将所述候选目标区域对应的所述第二特征数据输入至所述全连接网络中进行处理，获取所述第二特征数据对应的全连接特征数据，将所述全连接特征数据输入至所述回归网络以及所述第一分类器，通过所述回归网络对所述全连接特征数据进行处理，生成所述候选目标区域对应的回归数据，并基于所述回归数据更改所述候选目标区域的坐标信息；通过所述第一分类器对所述全连接特征数据进行处理，获取所述候选目标区域的类别以及概率值；

基于每个候选目标区域更改后的坐标信息以及该候选目标区域对应的类别以及概率值，得到所述图像对应的所述目标部件区域。

6.根据权利要求5所述的方法，其特征在于，所述第一卷积神经网络包括至少一个卷积层；

所述将所述图像输入至所述第一卷积神经网络进行卷积处理，获取所述图像的第一特征数据，包括：

通过所述至少一个卷积层中的每个卷积层分别对所述图像进行卷积处理，得到所述图像的第一特征数据。