[发明专利]一种车辆颜色检测方法、系统、设备及存储介质

权利要求书

1.一种车辆颜色检测方法，其特征在于，包括：

获取并解析预设时间段内的视频，得到满足预设要求的目标视频帧图像；

将所述目标视频帧图像输入预先训练的车辆图像提取网络，得到所述目标视频帧图像中的每个车辆的独立图像；

将所述每个车辆的独立图像均输入预先训练的车辆颜色识别网络，输出每个车辆的颜色信息；

其中，所述颜色信息包括主色值、次色值及颜色深浅度值；

所述预先训练的车辆颜色识别网络为由多个Vc block堆叠形成的神经网络；

所述Vc block的训练方法，包括：

获取训练样本集，并将训练样本集分为第一部分训练样本和第二部分训练样本；

对第一部分训练样本和第二部分训练样本均进行卷积运算；

对第二部分训练样本进行卷积运算之后，对运算结果进行加权计算；

对第一部分训练样本进行卷积运算后得到的特征及进行加权计算后的第二部分训练样本进行融合结构的动态融合，得到当前Vc block的输出结果。

2.根据权利要求1所述的方法，其特征在于，所述由多个Vc block堆叠形成车辆颜色识别网络的方法为：

将前一个Vc block的输出作为后一个Vc block的输入，或将前一个Vc block的输出再次卷积运算及平均池化后作为后一个Vc block的输入，以得到预设堆叠数量的车辆颜色识别网络。

3.根据权利要求1或2所述的方法，其特征在于，所述对第二部分训练样本进行卷积运算之后，对运算结果进行加权计算，包括：

对第二部分训练样本经过卷积运算后的结果进行下采样；

对经过下采样的结果进行卷积运算，再通过上采样转换为下采样前的训练样本特征大小；

对经过特征转换的第二部分训练样本进行加权计算。

4.根据权利要求1或2所述的方法，其特征在于，所述融合结构基于不同的输入样本生成相应的融合权重，实现动态融合。

5.根据权利要求1所述的方法，其特征在于，所述车辆颜色识别网络的训练步骤包括：

为每个训练样本图像标注主色、次色、颜色深浅度值三个标签；

将训练样本图像输入预设车辆颜色识别网络，得到预测主色值、预测次色值及预测颜色深浅度值；

基于所述预测主色值、预测次色值及预测颜色深浅度值进行损失函数的计算，对所述预设车辆颜色识别网络进行训练，以得到车辆颜色识别网络。

6.一种车辆颜色检测系统，其特征在于，包括：

解析模块，获取并解析预设时间段内的视频，得到满足预设要求的目标视频帧图像；

输入模块，用于将所述目标视频帧图像输入预先训练的车辆图像提取网络，得到所述目标视频帧图像中的每个车辆的独立图像；

输出模块，用于将所述每个车辆的独立图像均输入预先训练的车辆颜色识别网络，输出每个车辆的颜色信息；

其中，所述颜色信息包括主色值、次色值及颜色深浅度值；

所述预先训练的车辆颜色识别网络为由多个Vc block堆叠形成的神经网络；

所述车辆颜色检测系统还包括：用于训练所述Vc block的模块，具体用于获取训练样本集，并将训练样本集分为第一部分训练样本和第二部分训练样本；对第一部分训练样本和第二部分训练样本均进行卷积运算；对第二部分训练样本进行卷积运算之后，对运算结果进行加权计算；对第一部分训练样本进行卷积运算后得到的特征及进行加权计算后的第二部分训练样本进行融合结构的动态融合，得到当前Vc block的输出结果。

7.一种车辆颜色检测设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-5中任一项所述的车辆颜色检测方法。

8.一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-5中任一项所述的车辆颜色检测方法。