[发明专利]车辆姿态矫正方法、装置及设备

权利要求书

1.一种车辆姿态矫正方法，其特征在于，包括：

获取待矫正图像；

基于姿态矫正模型，对所述待矫正图像中包含的车辆的姿态进行矫正，得到矫正图像；

对所述矫正图像进行重识别，确定所述矫正图像中包含的车辆是否涉及到违规行驶。

2.根据权利要求1所述的方法，其特征在于，还包括训练得到姿态矫正模型的步骤：

获取训练样本集，其中，所述训练样本集中包括若干组标准图像和待训练图像，每组标准图像和待训练图像中包含的车辆为同一车辆；

将所述训练样本集输入至卷积神经网络模型中进行训练，得到所述姿态矫正模型。

3.根据权利要求2所述的方法，其特征在于，在所述获取训练样本集之前，还包括：

对所述训练样本集中每组标准图像和待训练图像的尺寸进行调整。

4.根据权利要求2所述的方法，其特征在于，所述将所述训练样本集输入至卷积神经网络模型中进行训练，得到所述姿态矫正模型，包括：

将每组标准图像和待训练图像输入至卷积神经网络模型中进行训练，得到所述待训练图像对应的特征图；

基于所述待训练图像对应的特征图确定每组训练样本中的待训练图像与对应的标准图像之间的差异信息；

根据每组训练样本对应的差异信息调整所述卷积神经网络模型，得到所述姿态矫正模型。

5.根据权利要求4所述的方法，其特征在于，所述基于姿态矫正模型，对所述待矫正图像中包含的车辆的姿态进行矫正，得到矫正图像，包括：

基于姿态矫正模型，确定所述待矫正图像对应的特征图；

基于所述待矫正图像对应的特征图，确定所述待矫正图像对应的差异信息；

根据所述待矫正图像对应的差异信息对所述待矫正图像中包含的车辆的姿态进行矫正，得到矫正图像。

6.根据权利要求5所述的方法，其特征在于，所述卷积神经网络模型为超分辨网络模型SRResNet，所述基于姿态矫正模型，确定所述待矫正图像对应的特征图，包括：

将所述待矫正图像输入至一层卷积层和激活函数层，得到第一初始特征图；

将所述第一初始特征图输入至残差块层，得到第二初始特征图；

将所述第二初始特征图输入至一层卷积层和一个批量标注化BN层，得到第三初始特征图；

对所述第一初始特征图和所述第三初始特征图进行求和处理，得到第四初始特征图；

将所述第四初始特征图输入至一层卷积层得到所述待矫正图像对应的特征图。

7.根据权利要求3所述的方法，其特征在于，所述对所述训练样本集中每组标准图像和待训练图像的尺寸进行调整，包括：

将所述训练样本集中每组标准图像和待训练图像的尺寸调整为128x128像素。

8.一种车辆姿态矫正装置，其特征在于，包括：

获取模块，用于获取待矫正图像；

处理模块，用于基于姿态矫正模型，对所述待矫正图像中包含的车辆的姿态进行矫正，得到矫正图像；

所述处理模块，还用于对所述矫正图像进行重识别，确定所述矫正图像中包含的车辆是否涉及到违规行驶。

9.一种车辆姿态矫正设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的车辆姿态矫正方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的车辆姿态矫正方法。