[发明专利]车辆的识别方法及装置在审
申请号: | 201710083593.6 | 申请日: | 2017-02-16 |
公开(公告)号: | CN107688819A | 公开(公告)日: | 2018-02-13 |
发明(设计)人: | 王健宗;肖京 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04 |
代理公司: | 深圳中一专利商标事务所44237 | 代理人: | 阳开亮 |
地址: | 518000 广东省深*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车辆 识别 方法 装置 | ||
1.一种车辆的识别方法,其特征在于,包括:
获取第一汽车图片和第二汽车图片,所述第一汽车图片中包括第一车辆,所述第二汽车图片中包括第二车辆;
基于卷积神经网络模型提取所述第一车辆的第一颜色特征和第一型号特征,以及所述第二车辆的第二颜色特征和第二型号特征;
将所述第一颜色特征和所述第一型号特征合并为第一车辆特征,以及将所述第二颜色特征和所述第二型号特征合并为第二车辆特征;
计算所述第一车辆特征和所述第二车辆特征的相似度;
根据所述相似度判断所述第一车辆和所述第二车辆是否为同一辆车。
2.如权利要求1所述的方法,其特征在于,基于卷积神经网络模型提取所述第一车辆的第一颜色特征和第一型号特征,以及所述第二车辆的第二颜色特征和第二型号特征包括:
通过预设图像数据库对第一卷积神经网络模型进行预训练;
通过多个颜色的汽车图像对所述第一卷积神经网络模型进行训练;
将所述第一汽车图像和所述第二汽车图像分别输入所述第一卷积神经网络模型,所述第一卷积神经网络模型包括多层卷积层和多层全连接层,前一层的输出为当前层的输入;
在所述卷积层和所述全连接层的处理之后,从所述第一汽车图片中提取出所述第一颜色特征,以及从所述第二汽车图片中提取出所述第二颜色特征。
3.如权利要求1所述的方法,其特征在于,基于卷积神经网络模型提取所述第一车辆的第一颜色特征和第一型号特征,以及所述第二车辆的第二颜色特征和第二型号特征包括:
通过预设图像数据库对第二卷积神经网络模型进行预训练;
通过多个视角的汽车图像对所述第二卷积神经网络模型进行训练;
将所述第一汽车图像和所述第二汽车图像分别输入所述第二卷积神经网络模型,所述第二卷积神经网络模型包括多层卷积层和多层全连接层,前一层的输出为当前层的输入;
在所述卷积层和所述全连接层的处理之后,从所述第一汽车图片中提取出所述第一型号特征,以及从所述第二汽车图片中提取出所述第二型号特征。
4.如权利要求1所述的方法,其特征在于,将所述第一颜色特征和所述第一型号特征合并为第一车辆特征,以及将所述第二颜色特征和所述第二型号特征合并为第二车辆特征包括:
获取所述第一颜色特征和所述第二颜色特征的颜色权重,以及所述第一类型特征和所述第二类型特征的类型权重,所述类型权重大于所述颜色权重;
将所述第一颜色特征乘以所述颜色权重加上所述第一型号特征乘以所述类型权重,以获取所述第一车辆特征;
将所述第二颜色特征乘以所述颜色权重加上所述第二型号特征乘以所述类型权重,以获取所述第二车辆特征。
5.如权利要求1所述的方法,其特征在于,根据所述相似度判断所述第一车辆和所述第二车辆是否为同一辆车包括:
获取预设阈值;
当所述相似度大于或等于所述预设阈值时,确定所述第一车辆和所述第二车辆是同一辆车;
当所述相似度小于所述预设阈值时,确定所述第一车辆和所述第二车辆不是同一辆车。
6.一种车辆的识别装置,其特征在于,包括:
获取模块,用于获取第一汽车图片和第二汽车图片,所述第一汽车图片中包括第一车辆,所述第二汽车图片中包括第二车辆;
提取模块,用于基于卷积神经网络模型提取所述第一车辆的第一颜色特征和第一型号特征,以及所述第二车辆的第二颜色特征和第二型号特征;
合并模块,用于将所述第一颜色特征和所述第一型号特征合并为第一车辆特征,以及将所述第二颜色特征和所述第二型号特征合并为第二车辆特征;
计算模块,用于计算所述第一车辆特征和所述第二车辆特征的相似度;
判断模块,用于根据所述相似度判断所述第一车辆和所述第二车辆是否为同一辆车。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710083593.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:取像装置
- 下一篇:适地性状态感知系统及其方法