[发明专利]基于神经网络的车辆属性识别方法、装置、设备及介质

权利要求书

1.一种基于神经网络的车辆属性识别方法，其特征在于，所述基于神经网络的车辆属性识别方法包括：

获取待识别的初始车辆图像；

对所述初始车辆图像进行图像预处理，得到目标车辆图像；

将所述目标车辆图像输入到预设的卷积神经网络模型中，其中，所述预设的卷积神经网络模型包括主干网络、第一分支识别网络、第二分支识别网络和第三分支识别网络，所述主干网络包括三层预设卷积层；

通过第一层预设卷积层对所述目标车辆图像进行卷积处理，得到第一特征数据，将所述第一特征数据发送给所述第一分支识别网络并对所述第一特征数据进行识别，得到车辆颜色属性；

将所述第一特征数据发送给第二层预设卷积层并对所述第一特征数据进行卷积处理，得到第二特征数据，将得到的所述第二特征数据发送给所述第二分支识别网络并对所述第二特征数据进行识别，得到车辆种类属性；

将得到的所述第二特征数据发送给第三层预设卷积层并对所述第二特征数据进行卷积处理，得到第三特征数据；

将所述第三特征数据发送给所述第三分支识别网络并对所述第三特征数据进行识别，得到车辆安全属性，其中，所述车辆安全属性包括车身异物检测信息、驾驶安全检测信息和车牌号码识别信息。

2.如权利要求1所述的基于神经网络的车辆属性识别方法，其特征在于，所述第三分支识别网络包括检测层，所述将所述第三特征数据发送给所述第三分支识别网络并对所述第三特征数据进行识别，得到车辆安全属性包括：

通过所述检测层对所述第三特征数据进行检测，确定车身预设区域、前车窗区域和车牌区域；

根据所述车身预设区域、所述前车窗区域和所述车牌区域，对所述目标车辆图像进行分割，得到车身图像、前车窗图像和车牌图像；

采用预设的网络模型，分别对所述车身图像、所述前车窗图像和所述车牌图像进行识别，得到所述车身异物检测信息、所述驾驶安全检测信息和所述车牌号码识别信息。

3.如权利要求2所述的基于神经网络的车辆属性识别方法，其特征在于，所述采用预设的网络模型，分别对所述车身图像、所述前车窗图像和所述车牌图像进行识别，得到所述车身异物检测信息、所述驾驶安全检测信息和所述车牌号码识别信息包括：

采用预设的目标检测网络模型，对所述车身图像进行识别，得到所述车身异物检测信息，并对所述前车窗图像进行识别，得到所述驾驶安全检测信息；

采用预设的车牌识别算法，对所述车牌图像进行识别，得到所述车牌号码识别信息。

4.如权利要求1至3任一项所述的基于神经网络的车辆属性识别方法，其特征在于，所述对所述初始车辆图像进行图像预处理，得到目标车辆图像包括：

通过边缘检测算法，获取所述初始车辆图像中车辆的左边界和车辆的右边界；

根据所述车辆的左边界和所述车辆的右边界，确定车辆的范围图像；

使用拉东变换对所述范围图像进行倾斜校正，得到校正后的基础图像；

以所述基础图像的重心为中心，对所述基础图像进行裁剪，得到所述目标车辆图像。

5.如权利要求4所述的基于神经网络的车辆属性识别方法，其特征在于，所述通过边缘检测算法，获取所述初始车辆图像中车辆的左边界和车辆的右边界包括：

通过高斯模糊对所述初始车辆图像进行噪音去除，得到去噪车辆图像；

使用预设的梯度算子计算所述去噪车辆图像的水平方向的梯度值和垂直方向的梯度值，得到初始梯度值集合；

采用非最大值抑制的方式对所述初始梯度值集合进行边缘细化处理，得到宽度为单个像素的梯度边缘；

使用预设的双阈值过滤所述梯度边缘中的弱边缘点，得到所述梯度边缘中的强边缘点；

根据所述强边缘点，确定所述车辆的左边界和所述车辆的右边界。