[发明专利]一种车辆图像识别的方法和相关装置

说明书

本申请公开了一种车辆图像识别的方法和相关装置，该方法包括：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目标车辆识别模型；获取包括车辆区域图像的待识别车辆图像；利用目标车辆识别模型对待识别车辆图像进行识别，获得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。考虑车车辆车型识别、车辆颜色识别和车辆重识别之间的相关性，通过卷积神经网络同时学习车辆特征、车辆车型特征和车辆颜色特征获得目标车辆识别模型，该模型可同时实现车辆重识别、车辆车型识别和车辆颜色识别，使得识别算法简单化，减小计算量，节省计算资源，降低运行环境要求，实现系统的集成化和小型化。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种车辆图像识别的方法和相关装置。

背景技术

随着科技的快速发展，在道路监控分析、智能化停车场等各个场景中，需要对车辆的车型和颜色进行识别，以便于统计经过车辆的信息。同时由于车辆在行驶过程中出现在多个不同摄像头的画面中，还需要在不同摄像头画面中识别出同一车辆，即，需要对车辆进行车辆重识别。

现有技术中，基于车辆车型识别、车辆颜色识别和车辆重识别这三个不同的需求，一般是利用三个不同的神经网络分别进行车辆车型识别、车辆颜色识别和车辆重识别。

但是，发明人经过研究发现，上述三个不同的神经网络需要三个完全独立的处理单元，才能完成车辆车型识别、车辆颜色识别和车辆重识别，不仅识别算法繁琐复杂，计算量较大，需要消耗较多的计算资源，而且对运行环境要求较高，不利于系统的集成化和小型化。

发明内容

有鉴于此，本申请实施例提供一种车辆图像识别的方法和相关装置，使得识别算法简单化，减小计算量，节省计算资源，降低运行环境要求，以便实现系统的集成化和小型化。

第一方面，本申请实施例提供了一种车辆图像识别的方法，所述方法包括：

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。

可选的，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。

可选的，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：