[发明专利]一种危险品车辆识别方法、系统、装置及介质

权利要求书

1.一种危险品车辆识别方法，其特征在于，包括：

获取待检测车辆图像；

通过卷积神经网络对所述待检测车辆图像的危险品标志进行检测，得到危险品标志信息，所述危险品标志信息包括危险品标志的位置信息和类别信息；

通过多任务学习训练神经网络对所述待检测车辆图像的车辆属性进行分析，得到车辆属性信息；

将所述危险品标志信息和所述车辆属性信息进行特征融合，得到危险品车辆识别结果。

2.根据权利要求1所述的一种危险品车辆识别方法，其特征在于，所述通过卷积神经网络对所述待检测车辆图像的危险品标志进行检测，得到危险品标志信息，包括：

从待训练图像中标注出包含危险品标志的最小外接矩形；

将所有待训练图像归一化到预设尺寸，得到训练图像数据库；

将训练图像数据库中标注好危险品标志的图像输入预训练的深度卷积神经网络进行训练，得到卷积神经网络模型；

通过所述卷积神经网络模型对所述待检测车辆图像的危险品标志进行检测，得到危险品标志信息。

3.根据权利要求1所述的一种危险品车辆识别方法，其特征在于，所述通过多任务学习训练神经网络对所述待检测车辆图像的车辆属性进行分析，得到车辆属性信息，包括：

通过多任务学习训练神经网络对所述待检测车辆图像的车辆属性进行分析，确定车辆的年款信息、车型信息以及朝向信息。

4.根据权利要求1所述的一种危险品车辆识别方法，其特征在于，所述方法还包括训练车辆多标签模型的步骤。

5.根据权利要求4所述的一种危险品车辆识别方法，其特征在于，所述训练车辆多标签模型，包括：

通过卷积神经网络模型获取待训练图像的危险品标志信息；

通过多任务学习训练神经网络确定待训练图像的年款信息、车型信息以及朝向信息；

将所述危险品标志信息、所述年款信息、所述车型信息以及所述朝向信息输入全连接层；

根据所述全连接层的输出结果训练得到车辆多标签模型。

6.根据权利要求5所述的一种危险品车辆识别方法，其特征在于，

所述车辆多标签模型的中心损失函数为：

其中，L_C代表中心损失，描述模型的预测值与真实值之间的差距大小；m代表特征长度；代表第y_i个类别的特征中心；x_i代表第i个深度特征。

7.根据权利要求1所述的一种危险品车辆识别方法，其特征在于，所述将所述危险品标志信息和所述车辆属性信息进行特征融合，得到危险品车辆识别结果，包括：

当识别到的危险品标志的方向与车辆朝向一致，则确定所述危险品标志的第一置信度；

获取车辆的年款车型对照表；

根据所述年款车型对照表，当识别到的车辆的年款与车型分类的结果匹配时，则确定所述车辆的年款的第二置信度以及所述车辆的车型的第三置信度；

根据所述第一置信度、第二置信度以及第三置信度，确定危险品车辆的识别阈值；

根据所述识别阈值确定危险品车辆的类别。

8.一种危险品车辆识别系统，其特征在于，包括：

获取模块，用于获取待检测车辆图像；

危险品标志检测模块，用于通过卷积神经网络对所述待检测车辆图像的危险品标志进行检测，得到危险品标志信息，所述危险品标志信息包括危险品标志的位置信息和类别信息；

车辆属性分析模块，用于通过多任务学习训练神经网络对所述待检测车辆图像的车辆属性进行分析，得到车辆属性信息；

特征融合模块，用于将所述危险品标志信息和所述车辆属性信息进行特征融合，得到危险品车辆识别结果。

9.一种装置，其特征在于，包括处理器以及存储器；

所述存储器用于存储程序；

所述处理器执行所述程序实现如权利要求1-7中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。