[发明专利]车辆品牌识别方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种车辆品牌识别方法、装置、设备及计算机可读存储介质，通过对预先采集的卡口场景图像进行截取，获得若干张车前脸图像；对各张车前脸图像按照预设的命名格式进行品牌标注；根据品牌标注后的车前脸图像，对预先建立的残差卷积网络进行训练，得到车辆品牌识别模型；根据接收到的目标车辆图像，通过预先建立的车脸检测模型，获取目标车脸区域图像；根据所述目标车脸区域图像，通过所述车辆品牌识别模型，获取所述目标车脸区域图像对应的车辆品牌识别结果；本发明能够提高识别精度，同时降低识别难度。

技术领域

本发明涉及计算机图像处理领域，尤其涉及一种车辆品牌识别方法、装置、设备及计算机可读存储介质。

背景技术

对视频监控拍摄到的道路现场车辆进行特征识别是智能交通领域十分重要的研究方向，尤其在违法犯罪车龄跟踪方面具有十分重要的意义。目前，常用的车辆特征识别主要依赖车标特征、车型，通过提取车标特征、车型识别车辆。但是，由于现实场景中车辆的盗牌、无牌、污损车牌现象十分严重，而且车辆车标较小、定位精度低，导致依据视频监控拍摄到的道路现场车辆图像进行车牌识别存在一定的现实条件限制，识别难度高、精度低。

发明内容

针对上述问题，本发明的目的在于提供一种车辆品牌识别方法、装置、设备及计算机可读存储介质，其能够有效提高车辆品牌的识别精度，降低识别难度。

第一方面，本发明实施例提供了一种车辆品牌识别方法，包括以下步骤：

对预先采集的卡口场景图像进行截取，获得若干张车前脸图像；

对各张车前脸图像按照预设的命名格式进行品牌标注；

根据品牌标注后的车前脸图像，对预先建立的残差卷积网络进行训练，得到车辆品牌识别模型；

根据接收到的目标车辆图像，通过预先建立的车脸检测模型，获取目标车脸区域图像；

根据所述目标车脸区域图像，通过所述车辆品牌识别模型，获取所述目标车脸区域图像对应的车辆品牌识别结果。

相对于现有技术，本发明实施例的有益效果在于：

通过截取卡口系统在不同场景下拍摄的多种角度的卡口场景图像中的车前脸图像作为残差卷积网络的训练样本和测试样本，可以理解的是，该车前脸图像包括前大灯特征、远光灯特征、车标特征、前格栅特征等，从而构建出一个高精度的车辆品牌识别模型，对卡口系统拍摄的图片进行裁剪，可以减少图片的无效信息，减少计算量，从而提高识别的效率；通过该车辆品牌识别模型对裁剪后的目标车脸区域图像进行品牌识别，能大大地提高识别精度，同时降低识别难度。

作为一种优选方案，所述根据品牌标注后的车前脸图像，对预先建立的残差卷积网络进行训练，得到车辆品牌识别模型，具体包括：

将品牌标注后的车前脸图像按照预设的比例，划分成训练样本集和测试样本集；

采用所述训练样本集对所述残差卷积网络进行训练，得到当前车辆品牌识别模型；其中，所述残差卷积网络包括arcface loss损失函数和Softmax损失函数；

采用所述测试样本集对训练好的当前车辆品牌识别模型进行测试，得到测试结果；

根据所述测试结果，确认最终的车辆品牌识别模型。

相对于现有技术，本发明实施例的有益效果在于：

以arcface loss和Softmax作残差卷积网络的损失函数，其能有效提高车脸精细粒度的分类，从而进一步提高车辆品牌识别模型识别的精度。

作为一种优选方案，所述采用所述测试样本集对训练好的当前车辆品牌识别模型进行测试，得到测试结果，具体包括：

将所述测试样本集按照拍摄时间划分为白天测试样本和夜晚测试样本；