[发明专利]一种车型识别方法及装置

说明书

本发明公开了一种车型识别方法及装置，涉及计算机技术领域，解决传统车型识别方法，对于车辆比较密集，车型比较复杂的场景，识别效果较差，准确度较低的问题。该方法包括：获取场景图像。将场景图像输入至定位网络，确定场景图像的特征信息，对特征信息进行卷积，确定场景图像的特征，对场景图像的特征进行池化、全连接、分类以及回归，确定车辆的部件图像，对车辆的部件图像进行卷积，利用卷积注意力将车辆的部件图像的卷积结果进行权重分配，输入至特征金字塔，确定车辆的部件特征，将车辆的所有部件特征进行特征融合确定融合特征，并对融合特征进行最优传输变换，确定场景图像中车型识别结果。

技术领域

本申请涉及计算机技术领域，尤其涉及一种车型识别方法及装置。

背景技术

汽车作为代步工具和重要的交通运输工具，已成为日常生活中不可或缺的一部分。但是随着汽车产业快速发展，汽车数量急剧增加，也带来了一些比较严重的问题，如道路阻塞，车辆监管困难，车辆盗窃等。为了解决这些问题，需要使用更加高效、便捷、智能的方式进行交通管理，智能交通系统应运而生。

目前智能交通系统中传统的车型识别方法主要集中于提取车辆的轮廓、尺度、边缘等特征，可以实现简单的车辆识别。但是，在现实场景中，不仅车辆的自身车型复杂多变，再加上场景中车辆比较密集，进一步增加了车型的识别难度。

发明内容

本申请提供了一种车型识别方法及装置，用于解决传统车型识别方法，对于车辆比较密集，车型比较复杂的场景，识别效果较差，准确度较低的问题。

为达到上述目的，本发明采用如下技术方案：

第一方面，本申请提供了一种车型识别方法，包括：获取场景图像，将场景图像输入至定位网络，确定场景图像的第一特征信息、第二特征信息和第三特征信息。第一特征信息为对场景图像进行两次卷积确定的。第二特征信息为对场景图像进行三次卷积确定的。第三特征信息为对场景图像进行四次卷积确定的。对第一特征信息、第二特征信息和第三特征信息进行卷积，确定场景图像的特征。对场景图像的特征进行池化、全连接、分类以及回归，确定车辆的部件图像。对车辆的部件图像进行卷积，利用卷积注意力机制将车辆的部件图像的卷积结果进行权重分配，输入至特征金字塔，确定车辆的部件特征。将车辆的所有部件特征进行特征融合确定融合特征，并对特征融合后的融合特征进行最优传输变换，确定场景图像中车型识别结果。

本申请提供的车型识别方法，通过将现实场景中含有车辆信息的场景图像通过定位网络，确定出该场景图像的特征，进而再将场景图像的特征输入至特征提取网络，得到车辆部件特征，最后将车辆部件特征输入至识别网络，通过特征融合以及最优传输变换，确定出场景图像中车型的识别结果，通过提取部件的细节特征，可以有效识别出车辆密集、车型复杂的场景中的车辆，可以有效解决车辆监管问题。

一种可能的实现方式，将场景图像输入至定位网络，确定场景图像的第一特征信息、第二特征信息和第三特征信息，包括：对场景图像进行卷积运算，确定第一卷积结果，填充第一卷积结果，以使填充后的第一卷积结果的维度与场景图像的维度相同。对填充后的第一卷积结果进行卷积运算，确定第一特征信息。填充第一特征信息，以使填充后的第一特征信息的维度与场景图像的维度相同。对填充后的第一特征信息进行卷积运算，确定第二特征信息。填充第二特征信息，以使填充后的第二特征信息的维度与场景图像的维度相同。对填充后的第二特征信息进行卷积运算，确定第三特征信息。

可选的，将目标车辆的所有部件特征进行特征融合确定融合特征，并对特征融合后的融合特征进行最优传输变换，确定场景信息中车型识别结果，包括：将目标车辆的所有部件特征进行特征融合，确定目标车辆的融合特征。计算所有部件特征的均值，确定模板信号。根据融合特征和模板信号，确定传输变换函数。利用传输变换函数将部件特征变换至最优传输空间，并将最优传输空间进行分类，确定场景信息中车型识别结果。