[发明专利]车型的识别方法和装置

说明书

本发明公开了一种车型的识别方法和装置。其中，该方法包括：获取到对目标图片中的车辆进行车型识别的请求；使用预设神经网络模型识别出目标图片中的车辆为目标车型，预设神经网络模型是使用训练集合对用于进行车型识别的深度卷积神经网络模型进行训练得到的，训练集合是对多个车型的图片进行第一预处理得到的图片集合，第一预处理用于增强预设神经网络模型的鲁棒性，多个车型包括目标车型；响应于请求，返回包括目标车型的识别结果。本发明解决了相关技术中进行车型识别的准确率较低的技术问题。

技术领域

本发明涉及监控领域，具体而言，涉及一种车型的识别方法和装置。

背景技术

在智能视频监控中，车型识别技术是公安图像侦查和交通状态分析的一个前期处理中的重要分体。随着信息技术的发展，车型识别技术也得到了进一步的发展，当前的车型识别技术与传统意义上的车型识别存在着较大的区别，传统意义上的车型识别仅能分辨出车辆的大致类型，如小型车辆、中型车辆和大型车辆。而当前意义上的车型识别技术就是对从车辆的车脸区域图像中提取出的车型特征进行分类，以确定该车辆所属的品牌型号。随着计算机技术的进步，基于车脸特征的车型识别技术逐渐走向实用，不但可以识别车辆品牌，甚至可以识别该车辆品牌旗下的系列和年款，从而大大扩展了该技术在相关领域的应用。

目前的车型识别算法主要包括以下两种：基于模版匹配的方法和基于统计模式识别的方法，这两种方法对图像的要求高(如对光照、角度、清晰度、是否有遮挡等)，且识别率较低、缺乏鲁棒性。

针对相关技术中进行车型识别的准确率较低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种车型的识别方法和装置，以至少解决相关技术中进行车型识别的准确率较低的技术问题。

根据本发明实施例的一个方面，提供了一种车型的识别方法，包括：获取到对目标图片中的车辆进行车型识别的请求；使用预设神经网络模型识别出目标图片中的车辆为目标车型，其中，预设神经网络模型是使用训练集合对用于进行车型识别的深度卷积神经网络模型进行训练得到的，训练集合是对多个车型的图片进行第一预处理得到的图片集合，第一预处理用于增强预设神经网络模型的鲁棒性，多个车型包括目标车型；响应于请求，返回包括目标车型的识别结果。

根据本发明实施例的另一方面，还提供了一种车型的识别装置，包括：获取单元，用于获取到对目标图片中的车辆进行车型识别的请求；识别单元，用于使用预设神经网络模型识别出目标图片中的车辆为目标车型，其中，预设神经网络模型是使用训练集合对用于进行车型识别的深度卷积神经网络模型进行训练得到的，训练集合是对多个车型的图片进行第一预处理得到的图片集合，第一预处理用于增强预设神经网络模型的鲁棒性，多个车型包括目标车型；响应单元，用于响应于请求，返回包括目标车型的识别结果。

在本发明实施例中，通过使用训练集合对用于进行车型识别的深度卷积神经网络模型进行训练得到预设神经网络模型，在获取到对目标图片中的车辆进行车型识别的请求时即可通过预设神经网络模型，由于训练集合是对多个车型的图片进行第一预处理得到的图片集合，而第一预处理可增强预设神经网络模型的鲁棒性，也即可以消除环境、拍摄角度对车型识别的影响，可以解决了相关技术中进行车型识别的准确率较低的技术问题，进而达到提升车型识别的准确率的技术效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的车型的识别方法的硬件环境的示意图；

图2是根据本发明实施例的一种可选的车型的识别方法的流程图；

图3是根据本发明实施例的一种可选的车型的识别方法的流程图；

图4是根据本发明实施例的一种可选的车型的识别方法的流程图；