[发明专利]车辆目标识别的方法及装置

权利要求书

1.一种车辆目标识别的方法，其特征在于，包括：

获取数据集，并对所述数据集进行划分，确定训练数据集以及测试数据集；

对所述训练数据集中的每一个目标的车辆标记框进行聚类计算，获得聚类中心；

将所述聚类中心作为网络训练的初始候选窗口，基于所述训练数据集对初始网络模型进行训练，获得目标网络模型；

将所述测试数据集输入所述目标网络模型，获得识别后的车辆。

2.如权利要求1所述的车辆目标识别的方法，其特征在于，所述获取数据集，包括：

分别获取不同角度拍摄的不同像素的图片，并将所有图片作为数据集。

3.如权利要求1所述的车辆目标识别的方法，其特征在于，所述对所述训练数据集中的每一个目标的车辆标记框进行聚类计算，获得聚类中心，包括：

采用改进的K-means算法对所述训练数据集中的每一个目标的车辆标记框进行聚类计算，获得预设数量的聚类中心。

4.如权利要求3所述的车辆目标识别的方法，其特征在于，所述改进的K-means算法聚类采用的距离公式为

d(box,centroid)＝1-IOU(box,centroid)；

其中，d(box,centroid)表示当前预测框与实际标记的预测框的距离，IOU(box,centroid)表示当前预测框与实际标记的预测框之间的重叠度的值。

5.如权利要求4所述的车辆目标识别的方法，其特征在于，所述将所述聚类中心作为网络训练的初始候选窗口，基于所述训练数据集对初始网络模型进行训练，获得目标网络模型，包括：

设置所述聚类中心作为网络训练的初始候选窗口，并将所述训练数据集输入初始网络模型；

对所述训练数据集中的所有图像进行特征提取，分别获得各个图像对应的预设像素的特征图；

将所述各个图像根据所述预设像素划分为对应数量的大小均匀的网格；

根据每个网格内的特征点以及对应的初始候选窗口，确定每个目标待匹配的初始候选窗口；

对所述每个网格内的目标对应的所述待匹配的初始候选窗口进行目标边界框预测，获得目标标记框，输出各个目标标记框；

根据输出所述各个目标标记框采用的模型参数更新所述初始网络模型，获得更新后的网络模型，并确定多次更新后的网络模型中测试平均精度值最高的网络模型为目标网络模型。

6.如权利要求5所述的车辆目标识别的方法，其特征在于，所述根据每个网格内的特征点以及对应的初始候选窗口，确定每个目标待匹配的初始候选窗口，包括：

根据每个网格内的特征点以及对应的初始候选窗口，计算各个特征点所在的预测框与对应的实际标记的预测框之间的重叠度值；

确定最大的重叠度值对应的预测框为当前目标对应的待匹配的初始候选窗口。

7.如权利要求6所述的车辆目标识别的方法，其特征在于，所述对所述每个网格内的目标对应的所述待匹配的初始候选窗口进行目标边界框预测，获得目标标记框，包括：

根据所述每个网格内的目标对应的所述待匹配的初始候选窗口，采用损失函数和衰减函数对每个网格内的目标的真实标记框进行目标边界框预测，获得每个目标对应的目标边界框；

对每个目标对应的目标边界框进行去重处理，获得优化后的每个目标对应的目标标记框。