[发明专利]车辆的识别方法及装置

说明书

技术领域

本发明属于图像识别领域，特别是涉及一种车辆的识别方法及装置。

背景技术

随着汽车产业的快速发展，汽车数量越来越大，外观相同或相似的车也就越来越多。在一些特定情况下，如道路车辆监控，或汽车保险定损时，利用相似的汽车做套牌车或骗保的情况也时有发生。如何准确地判断一些情况下拍到的车辆图片，与该汽车登记时拍的车辆图像是不是同一辆车，是目前业界希望解决的问题。

针对现有技术中无法准确识别汽车图像中相似汽车的问题，目前业界没有理想的解决方式。

发明内容

本发明目的在于提供一种车辆的识别方法及装置，旨在解决现有技术中无法准确识别汽车图像中相似汽车的问题。

本发明提供了车辆的识别方法，该方法包括：

获取第一汽车图片和第二汽车图片，第一汽车图片中包括第一车辆，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第一车辆的第一颜色特征和第一型号特征，以及第二车辆的第二颜色特征和第二型号特征；

将第一颜色特征和第一型号特征合并为第一车辆特征，以及将第二颜色特征和第二型号特征合并为第二车辆特征；

计算第一车辆特征和第二车辆特征的相似度；

根据相似度判断第一车辆和第二车辆是否为同一辆车。

本发明还提供了车辆的识别装置该装置包括：

获取模块，用于获取第一汽车图片和第二汽车图片，第一汽车图片中包括第一车辆，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第一车辆的第一颜色特征和第一型号特征，以及第二车辆的第二颜色特征和第二型号特征；

合并模块，用于将第一颜色特征和第一型号特征合并为第一车辆特征，以及将第二颜色特征和第二型号特征合并为第二车辆特征；

计算模块，用于计算第一车辆特征和第二车辆特征的相似度；

判断模块，用于根据相似度判断第一车辆和第二车辆是否为同一辆车。

本发明利用卷积神经网络模型在提取图像特征方面的优势，通过车辆颜色特征和型号特征进行车辆验证，并通过训练联合贝叶斯模型挖掘出特征之间的差异，从而根据车辆图片准确地识别出两张图片是否拍摄的同一辆车，提高了车辆识别的鲁棒性和准确性。

附图说明

图1为本发明实施例提供的车辆的识别方法的流程图；

图2a是本发明提供的提取颜色特征的方法流程图；

图2b是本发明提供的提取颜色特征的方法流程图；

图3是本发明实施例提供的特征合并的方法流程图；

图4为本发明实施例提供的车辆的识别装置的结构框图。

具体实施方式

为了使本发明要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供了一种车辆的识别方法，图1为本发明实施例提供的车辆的识别方法的流程图，如图1所示，该方法具体包括以下步骤S101至步骤S105。

步骤S101，获取第一汽车图片和第二汽车图片，第一汽车图片中包括第一车辆，第二汽车图片中包括第二车辆。

第一汽车图片是当前情况下拍摄的车辆图片，例如监控设备的违章车辆的拍照，或者交通事故时对损毁车辆的拍照。第二汽车图片是车辆在新车登记、过户或年审时的车辆照片。通过第一汽车图片和第二汽车图片的比对，可以确定第一汽车图片中的车辆是不是套牌车。

步骤S102，基于卷积神经网络模型提取第一车辆的第一颜色特征和第一型号特征，以及第二车辆的第二颜色特征和第二型号特征。

车辆的颜色和型号是车辆显著的2个特征，因此本实施例通过颜色特征和型号特征对车辆进行区分。

图2a是本发明提供的提取颜色特征的方法流程图，如图2a所示，该方法包括：

步骤S201，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。

本实施例可以将CaffeNet模型作为第一卷积神经网络模型，首先可以使用包含1000类的百万数据集ImageNet对卷积神经网络模型进行预训练

步骤S202，通过多个颜色的汽车图像对第一卷积神经网络模型进行训练。