[发明专利]一种车辆图像识别的方法和相关装置

权利要求书

1.一种车辆图像识别的方法，其特征在于，包括：

获取待识别车辆图像，所述待识别车辆图像包括车辆区域图像；

基于所述待识别车辆图像和目标车辆识别模型，获得所述待识别车辆图像的目标车辆标识、目标车辆车型和目标车辆颜色；所述目标车辆识别模型是基于同时标注车辆标识、车辆车型标签和车辆颜色标签的车辆图像样本以及卷积神经网络预先训练获得的。

2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络包括基础神经网络、车辆特征识别网络、车辆车型识别网络和车辆颜色识别网络，所述目标车辆识别模型的获得步骤包括：

基于所述车辆图像样本和所述基础神经网络，获得所述车辆图像样本的车辆通用视觉特征；所述基础神经网络由多个卷积层构成；

基于所述车辆通用视觉特征和所述车辆特征识别网络，获得所述车辆图像样本的预测车辆标识；基于所述车辆通用视觉特征和所述车辆车型识别网络，获得所述车辆图像样本的预测车辆车型；基于所述车辆通用视觉特征和所述车辆颜色识别网络，获得所述车辆图像样本的预测车辆颜色；所述车辆特征识别网络、所述车辆车型识别网络和所述车辆颜色识别网络均由全连接层构成；

基于所述预测车辆标识、所述预测车辆车型、所述预测车辆颜色、所述车辆标识、所述车辆车型标签、所述车辆颜色标签以及目标损失函数对所述卷积神经网络的网络参数进行反向梯度训练，获得所述目标车辆识别模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述车辆通用视觉特征和所述车辆特征识别网络，获得所述车辆图像样本的预测车辆标识，包括：

将所述车辆通用视觉特征输入所述车辆特征识别网络，获得所述车辆图像样本的车辆特征；

基于所述车辆特征和多个预设车辆特征，利用相似度算法获得所述预测车辆标识；

所述基于所述车辆通用视觉特征和所述车辆车型识别网络，获得所述车辆图像样本的预测车辆车型，包括：

将所述车辆通用视觉特征输入所述车辆车型识别网络，获得所述车辆图像样本的车辆车型特征；

基于所述车辆车型特征和多个预设车辆车型特征，利用多分类算法获得所述预测车辆车型；

所述基于所述车辆通用视觉特征和所述车辆颜色识别网络，获得所述车辆图像样本的预测车辆颜色，包括：

将所述车辆通用视觉特征输入所述车辆颜色识别网络，获得所述车辆图像样本的车辆颜色特征；

基于所述车辆颜色特征和多个预设车辆颜色特征，利用所述多分类算法获得所述预测车辆颜色。

4.根据权利要求2所述的方法，其特征在于，所述基础神经网络具体为残差神经网络。

5.根据权利要求2所述的方法，其特征在于，所述目标损失函数包括车辆标识预测损失函数、车辆车型预测损失函数和车辆颜色预测损失函数。

6.根据权利要求2所述的方法，其特征在于，所述基于所述待识别车辆图像和目标车辆识别模型，获得所述待识别车辆图像的目标车辆标识、目标车辆车型和目标车辆颜色，包括：

基于所述待识别车辆图像和所述车辆检测模型，获得所述车辆区域图像；

按照预设图像尺寸对所述车辆区域图像进行调整，获得目标车辆区域图像；

将所述目标车辆区域图像输入所述目标车辆识别模型，获得所述目标车辆标识、所述目标车辆车型和所述目标车辆颜色。

7.根据权利要求6所述的方法，其特征在于，所述目标车辆识别模型包括目标基础神经网络、目标车辆特征识别网络、目标车辆车型识别网络和目标车辆颜色识别网络；对应地，所述将所述目标车辆区域图像输入所述目标车辆识别模型，获得所述目标车辆标识、所述目标车辆车型和所述目标车辆颜色，包括：

将所述目标车辆区域图像输入所述目标基础神经网络，获得所述目标车辆区域图像的目标车辆通用视觉特征；

将所述目标车辆通用视觉特征输入所述目标车辆特征识别网络，获得所述目标车辆标识；将所述目标车辆通用视觉特征输入所述目标车辆车型识别网络，获得所述目标车辆车型；将所述目标车辆通用视觉特征输入所述目标车辆颜色识别网络，获得所述目标车辆颜色。