[发明专利]一种基于特征关联的车辆属性识别方法及系统

说明书

本公开涉及车辆监控技术领域，提出了一种基于特征关联的车辆属性识别方法及系统，识别方法包括如下步骤：获取待检测的图像；采用训练好的车辆检测网络对目标车辆进行检测并标定，得到目标车辆区域图像；针对目标车辆区域图像，采用训练好的车辆属性识别网络对检测到的目标车辆进行属性识别，得到目标车辆的属性信息；所述车辆检测网络为在RPN结构输出端并列设置与背景区分相关的全连接层和候选区域修正相关的全连接层；车辆属性识别网络在DenseNet结构之上加入多个并行的全连接层。相比于其它基于单属性和纹理特征改进的车辆属性识别算法，能够实现车辆属性特征识别的实时性和准确性。

技术领域

本公开涉及车辆监控相关技术领域，具体的说，是涉及一种基于特征关联的车辆属性识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

在视频、图像的相关研究领域中，物体的检测与识别是较为基础的一个分支。而目标跟踪与行为检测的精度往往取决于识别算法的准确性，于此同时，由于物体特性的不同，所采用的识别算法的适用性也会有所差异，特别是高速移动类物体的检测与识别，对实时性和准确性的要求较高。

对于车辆属性识别问题，其关键点主要在于两处：首先是如何准确而又实时地对车辆进行检测，尤其是复杂环境中的车辆；其次才是如何对车辆的多个细粒度属性进行识别。与一般的目标检测有所不同，车辆自身的速度特点决定了车辆本身在某些时刻中不能在摄像头下停留较长的时间，如果检测算法是针对于车辆进行设计的，那么算法的实时性和准确度的要求将会比一般的检测算法高，才能够保证在车辆高速移动的前提下仍然能够对其进行检测并分析。

发明人发现，近年来的车辆属性检测与识别的相关研究成果中，基于像素纹理与轮廓特征的分析算法有所改进，但这些浅层特征是无法被用于更加细致的车辆分类，另外车辆的多属性识别也局限于对车辆的单属性进行识别并且进行低层次的整合。然而在许多情况下多个车辆属性需要被获取，如车辆自动驾驶领域，目前的车辆属性识别方法存在实时性和准确性差的问题。

发明内容

本公开针对复杂环境下的车辆检测问题与车辆属性识别问题，提出了一种基于特征关联的车辆属性识别方法及系统，能够实现车辆属性特征识别的实时性和准确性。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了一种基于特征关联的车辆属性识别方法，包括如下步骤：

获取待检测的图像；

对待检测图像，采用训练好的车辆检测网络对目标车辆进行检测并标定，得到目标车辆区域图像；

针对目标车辆区域图像，采用训练好的车辆属性识别网络对检测到的目标车辆进行属性识别，得到目标车辆的属性信息；

所述车辆检测网络为在RPN结构输出端并列设置与背景区分相关的全连接层和候选区域修正相关的全连接层；车辆属性识别网络在DenseNet结构之上加入多个并行的全连接层。

一个或多个实施例提供了一种基于特征关联的车辆属性识别系统，包括：

图像数据获取模块：被配置为用于获取待检测的图像；

目标车辆区域检测模块：被配置为用于对待检测图像，采用训练好的车辆检测网络对目标车辆进行检测并标定，得到目标车辆区域图像；

车辆属性识别模块：被配置为用于针对目标车辆区域图像，采用训练好的车辆属性识别网络对检测到的目标车辆进行属性识别，得到目标车辆的属性信息；

所述车辆检测网络为在RPN结构输出端并列设置与背景区分相关的全连接层和候选区域修正相关的全连接层；车辆属性识别网络在DenseNet结构之上加入多个并行的全连接层。