[发明专利]一种自适应样本分布的车辆识别方法及系统

权利要求书

1.一种自适应样本分布的车辆识别方法，其特征在于，包括：

获取包含多种车型类别的车辆图像，并根据不同车型类别对应的车辆数量设置采样概率对所述车辆图像进行采样，获取采样图像；

分别采用预训练的不同分支网络对所述车辆图像和所述采样图像进行分类识别，并将二者识别结果进行加权处理，获取车辆识别结果。

2.根据权利要求1所述的自适应样本分布的车辆识别方法，其特征在于，获取所述车辆识别结果的过程还包括：

获取所述车辆图像的特征作为第一特征，并对所述第一特征进行分类识别，获取第一分类结果；

获取所述采样图像的特征作为第二特征，并根据所述第一特征和第二特征进行特征筛选，获取采样车辆类型对应车辆的专用特征，并对所述专用特征进行分类识别，获取第二分类结果；

将所述第一分类结果和所述第二分类结果进行加权处理，获取车辆识别结果。

3.根据权利要求1所述的自适应样本分布的车辆识别方法，其特征在于，根据所述每一车辆类型对应的车辆数量在所述车辆图像中车辆总数的占比设置所述采样概率；其中，所述采样概率与所述占比呈反比。

4.根据权利要求2所述的自适应样本分布的车辆识别方法，其特征在于，设用于识别所述车辆图像的分支网络为第一识别网络，用于识别所述采样图像的分支网络为第二识别网络，则所述第一识别网络包括特征层和分类器层；所述第二识别网络包括特征层、分类器层和用于特征筛选的特征迁移层；所述特征迁移层分别连接所述第一识别网络的特征层和所述第二识别网络的特征层的输出。

5.根据权利要求4所述的自适应样本分布的车辆识别方法，其特征在于，所述第一识别网络的特征层采用MobileNet-V2网络结构；所述分类器层至少包括两层全连接层，且最后一层全连接层中神经元的数量与车型类别数量相等；所述MobileNet-V2网络结构的最后一层卷积层将提取的特征输入所述分类器层进行分类识别。

6.根据权利要求4所述的自适应样本分布的车辆识别方法，其特征在于，所述特征迁移层由卷积核为1*1的卷积层组成。

7.根据权利要求1所述的自适应样本分布的车辆识别方法，其特征在于，设置自适应参数获取不同分支网络识别结果的权重，根据所述权重进行加权处理。

8.根据权利要求7所述的自适应样本分布的车辆识别方法，其特征在于，在训练所述分支网络时，根据分支网络的当前更新迭代次数与总迭代次数的比值设置所述自适应参数；

在完成训练后，设置所述自适应参数为一预设的固定值。

9.一种自适应样本分布的车辆识别系统，其特征在于，包括：

反向采样模块，用于获取包含多种车型类别的车辆图像，并根据不同车型类别对应的车辆数量设置采样概率对所述车辆图像进行采样，获取采样图像；

识别模块，用于分别采用预训练的不同分支网络对所述车辆图像和所述采样图像进行分类识别，并将二者识别结果进行加权处理，获取车辆识别结果。

10.根据权利要求9所述的自适应样本分布的车辆识别系统，其特征在于，所述识别模块包括第一识别单元和第二识别单元；所述第一识别单元获取所述车辆图像的特征作为第一特征，并对所述第一特征进行分类识别，获取第一分类结果；

所述第二识别单元获取所述采样图像的特征作为第二特征，并根据所述第一特征和第二特征进行特征筛选，获取采样车辆类型对应车辆的专用特征，并对所述专用特征进行分类识别，获取第二分类结果；

将所述第一分类结果和所述第二分类结果进行加权处理，获取车辆识别结果。