[发明专利]一种车型识别方法、装置及设备

权利要求书

1.一种车型识别方法，其特征在于，将应用车型图像输入特征提取模型，获取所述应用车型图像的特征向量，所述应用车型图像对应有车型信息；所述方法包括：

将待查询车辆图像输入所述特征提取模型，获取所述待查询车辆图像的特征向量；

计算所述待查询车辆图像的特征向量与各个所述应用车型图像的特征向量之间的相似度；

根据所述待查询车辆图像的特征向量与各个所述应用车型图像的特征向量之间的相似度，将满足预设条件的相似度对应的应用车型图像确定为目标应用车型图像；

利用所述目标应用车型图像对应的车型信息确定所述待查询车辆图像的车型信息。

2.根据权利要求1所述的方法，其特征在于，所述特征提取模型的训练过程包括：

获取训练车型图像集合，所述训练车型图像集合包括多个训练车辆图像，所述训练车辆图像对应有车型信息；

将所述训练车型图像输入初始的特征提取模型，获取各个所述训练车辆图像的特征向量；

将所述训练车辆图像的特征向量输入图像分类层，以将具有相同车型信息的训练车辆图像的特征向量被划分为同一类为训练目标，调整所述初始特征提取模型的模型参数以及所述图像分类层的模型参数，重复执行所述将所述训练车型图像输入初始的特征提取模型以及后续步骤，直到达到预设停止条件，得到特征提取模型。

3.根据权利要求2所述的方法，其特征在于，所述获取训练车型图像集合，包括：

获取原始训练车型图像；

对所述原始训练车型图像进行随机擦除，生成模拟训练车型图像；

将所述原始训练车型图像和/或所述模拟训练车型图像确定为训练车型图像，组成训练车型图像集合。

4.根据权利要求1或2所述的方法，其特征在于，所述特征提取模型包括特征图提取层、全局特征提取层以及局部特征提取层，所述特征图提取层的输出分别作为所述全局特征提取层的输入以及所述局部特征提取层的输入；

所述全局特征提取层包括全局特征提取网络以及降维卷积层；所述局部特征提取层包括局部特征提取网络以及降维卷积层；

所述特征向量由所述全局特征提取层输出的图像全局特征与所述局部特征提取层输出的图像局部特征组成。

5.根据权利要求1所述的方法，其特征在于，所述应用车型图像包括应用车头图像以及应用车尾图像；

所述应用车头图像对应的车型信息中包括车头标签，所述应用车尾图像对应的车型信息中包括车尾标签。

6.根据权利要求1所述的方法，其特征在于，所述利用所述目标应用车型图像对应的车型信息确定所述待查询车辆图像的车型信息，包括：

按照所述相似度对所述目标应用车型图像进行排序，得到所述目标应用车型图像的序号；

根据在所述目标应用车型图像对应的车型信息中每种车型信息的出现次数以及每种车型信息对应的目标应用车型图像的序号，计算每种车型信息的指标值；

将所述指标值最大的车型信息确定为所述待查询车辆图像的车型信息。

7.根据权利要求1所述的方法，其特征在于，所述利用所述目标应用车型图像对应的车型信息确定所述待查询车辆图像的车型信息，包括：

计算在所述目标应用车型图像对应的车型信息中每种车型信息的出现次数比例；

将所述出现次数比例最大的车型信息确定为所述待查询车辆图像的车型信息。