[发明专利]车辆检测方法、装置、计算机设备和存储介质

权利要求书

1.一种车辆检测方法，其特征在于，所述方法包括：

识别待检测图像，得到待检测车辆的车辆区域图像；

采用基于深度学习的车辆型号识别模型识别所述车辆区域图像，得到所述待检测车辆的车辆型号，所述车辆型号识别模型使用训练样本集训练得到，所述训练样本集是根据所述车辆型号与车辆基本信息的映射表，对多张车辆区域图像样本的车辆型号进行标注生成；

获取待检测车辆的参考信息，根据所述参考信息，确定所述待检测车辆的参考车辆型号；

将所述待检测车辆的车辆型号与所述参考车辆型号进行比较，若所述车辆型号与所述参考车辆型号一致，则生成车辆型号检测通过的检测结果。

2.根据权利要求1所述的方法，其特征在于，相同类别的所述车辆型号用于定义外观相同的车辆，不同类别的所述车辆型号用于定义外观不同的车辆。

3.根据权利要求1所述的方法，其特征在于，所述参考信息为参考图像和/或所述待检测车辆的车辆基本信息；

当所述参考信息为所述参考图像时，所述根据所述参考信息，确定所述待检测车辆的参考车辆型号，包括：

采用所述车辆检测模型识别所述参考图像，得到参考车辆区域图像；

采用所述车辆型号识别模型识别所述参考车辆区域图像，得到所述待检测车辆的参考车辆型号；

当所述参考信息为所述待检测车辆的车辆基本信息时，所述根据所述参考信息，确定所述待检测车辆的参考车辆型号，包括：

获取预先存储的所述待检验车辆的车辆基本信息；

根据所述待检验车辆的车辆基本信息，从所述映射表中查找到对应的所述参考车辆型号。

4.根据权利要求1所述的方法，其特征在于，所述车辆型号识别模型的生成方式，包括：

获取多张车辆区域图像样本，以及与每张车辆区域图像样本各自对应的车辆基本信息；

根据所述每张车辆区域图像样本各自对应的车辆基本信息以及所述映射表，对每张车辆区域图像样本的车辆型号进行标注，生成训练样本集；

将所述训练样本集输入至待训练的车辆型号识别模型进行训练，得到所述车辆型号识别模型。

5.根据权利要求4所述的方法，其特征在于，所述待训练的车辆型号识别模型采用卷积神经网络，所述卷积神经网络中的初始基础网络采用的原通道数为512的卷积层的通道数为256。

6.根据权利要求4所述的方法，其特征在于，所述将所述训练样本集输入至待训练的车辆型号识别模型进行训练，得到所述车辆型号识别模型，包括：

使用多个损失函数对所述待训练的车辆型号识别模型分别进行训练；

对每个所述损失函数得到的损失值进行加权和得到最终损失值；

确定所述最终损失值中的最小值，将所述最小值对应的待训练的车辆型号识别模型，确定为所述车辆型号识别模型。

7.根据权利要求4所述的方法，其特征在于，所述获取多张车辆区域图像样本，包括：

获取多张原始车辆区域图像样本；

根据每张原始车辆区域图像样本的尺寸信息，对所述每张原始车辆区域图像样本进行填充，生成预设尺寸比例的所述多张车辆区域图像样本，所述预设尺寸比例为1:1。

8.一种车辆检测装置，其特征在于，所述装置包括：

车辆区域检测模块，用于识别待检测图像，得到待检测车辆的车辆区域图像；

车辆型号识别模块，用于采用基于深度学习的车辆型号识别模型识别所述车辆区域图像，得到所述待检测车辆的车辆型号，所述车辆型号识别模型使用训练样本集训练得到，所述训练样本集是根据所述车辆型号与车辆基本信息的映射表，对多张车辆区域图像样本的车辆型号进行标注生成；

参考车辆型号确定模块，用于获取待检测车辆的参考信息，根据所述参考信息，确定所述待检测车辆的参考车辆型号；

结果生成模块，用于将所述待检测车辆的车辆型号与所述参考车辆型号进行比较，若所述车辆型号与所述参考车辆型号一致，则生成车辆型号检测通过的检测结果。