[发明专利]车辆识别方法、装置、电子设备及可读存储介质

说明书

本申请涉及一种车辆识别方法、装置、电子设备及可读存储介质，包括：采集与待识别的目标车辆对应的车辆图像数据；基于车辆图像数据中与车辆轮廓相关的图像数据提取车辆轮廓特征，并将车辆轮廓特征输入至第一预测模型，以由第一预测模型基于车辆轮廓特征预测目标车辆的所属车系；第一预测模型为基于若干被标注了车系的车辆轮廓特征样本训练出的机器学习模型；基于车辆图像数据中与车辆细节相关的图像数据提取车辆细节特征，并将车辆细节特征输入至第二预测模型，以由第二预测模型基于车辆细节特征预测目标车辆的所属车型；第二预测模型为基于若干被标注了车型的车辆细节特征样本训练出的机器学习模型；输出预测出的目标车辆的所属车系和所属车型。

技术领域

本申请一个或多个实施例涉及计算机应用技术领域，尤其涉及一种车辆识别方法、装置、电子设备及可读存储介质。

背景技术

随着我国经济的快速发展、城市规模的不断扩大，以及车辆数量的大幅增长，我国的交通系统正在逐渐走向智能化。通常，可以通过车辆的车牌号码实现车辆识别，即根据车辆的车牌号码在预先存储的车辆数据库中读取该车辆的车系、车型等信息。然而，在车牌被污损、车牌被遮挡或者车辆未安装车牌等情况下，无法获得车辆的车牌号码，也就无法通过车牌号码实现车辆识别。

发明内容

本申请提出一种车辆识别方法，所述方法包括：

获取与待识别的目标车辆对应的车辆图像数据；

基于所述车辆图像数据中与车辆轮廓相关的图像数据提取车辆轮廓特征，并将所述车辆轮廓特征输入至第一预测模型，以由所述第一预测模型基于所述车辆轮廓特征预测所述目标车辆的所属车系；其中，所述第一预测模型为基于若干被标注了车系的车辆轮廓特征样本训练出的机器学习模型；

基于所述车辆图像数据中与车辆细节相关的图像数据提取车辆细节特征，并将所述车辆细节特征输入至第二预测模型，以由所述第二预测模型基于所述车辆细节特征预测所述目标车辆的所属车型；其中，所述第二预测模型为基于若干被标注了车型的车辆细节特征样本训练出的机器学习模型；

输出预测出的所述目标车辆的所属车系和所属车型。

可选地，所述与车辆轮廓相关的图像数据包括在所述目标车辆的左前方45度角或者右前方45度角的位置上拍摄得到的图像数据。

可选地，所述车辆轮廓特征包括：大灯造型、中网造型、雾灯造型、前保险杆造型、天窗造型。

可选地，所述车辆细节特征包括：方向盘、中控台、座椅、档位、轮胎尺寸。

可选地，所述方法还包括：

基于光学字符识别OCR算法和自然语言处理NLP算法，从所述车辆图像数据中与车辆铭牌相关的图像数据中提取所述目标车辆的车辆识别号码；

对所述车辆识别号码进行解析，并基于解析结果确定所述目标车辆的所属车系；

将基于所述解析结果确定的所述目标车辆的所属车系，与由所述第一预测模型预测出的所述目标车辆的所属车系进行比对，以确定两者是否相同；

如果两者不相同，则将由所述第一预测模型预测出的所述目标车辆的所属车系确定为所述目标车辆的所属车系，并将基于所述解析结果确定的所述目标车辆的所属车系作为通知消息进行输出。

可选地，所述方法还包括：

基于所述解析结果确定所述目标车辆的所属年款，并输出所述目标车辆的所属年款。

可选地，所述方法还包括：

基于OCR算法和NLP算法，从所述车辆图像数据中与车辆铭牌相关的图像数据中提取所述目标车辆的车辆驾驶数据；