[发明专利]一种基于自动扩增样本的车型识别方法及系统

说明书

本发明提供了一种基于自动扩增样本的车型识别方法及系统。车型识别方法步骤为，首先对车辆图像进行预处理和标注；然后训练车辆检测网络；同时基于生成对抗网络构建的样本生成模块，生成新的车辆图像数据，即为生成样本，对生成样本进行自动标注，训练车型识别网络；最后部署在线车辆检测网络和车型识别网络。所述系统包括车辆图像预处理和标注模块、车辆检测模块、样本生成模块、生成样本自动标注模块和车型识别模块。本车型识别方法解决了在样本不足的情况下，从多种不同角度拍摄的车辆图像，其车型识别率不高的问题。

技术领域

本发明涉及目标识别技术领域和车辆识别技术领域，具体是一种基于自动扩增样本的车型识别方法及系统。

背景技术

当今社会，随着人们生活水平的提高和城市化的加速发展，人均车辆保有量随之增大，随之产生的交通问题与社会问题也日益显著。而车辆识别技术是计算机视觉和智能交通领域的一个重要分支，在分析交通流量、规范交通秩序、停车场收费管理、卡口系统、交通事故检测和打击盗窃车辆等领域有着广泛的应用。

申请日为2014年12月30日，公布日为2019年07月19日，授权公告号为CN105809088B的中国发明专利申请“车辆识别方法和系统”。公开了一种车辆识别方法和系统。该方法包括：获得被检查车辆的外观信息，并且基于外观信息得到车辆的外部特征；获得车辆的透射图像，并且基于透射图像得到车辆的内部特征；至少基于外部特征和内部特征形成车辆的描述；以及利用描述从车型数据库中确定车辆的车型。该方案的识别率受车辆内部杂物多少以及大小的影响较大。

申请日为2019年01月17日，公布日为2019年06月18日，公布号为CN109902563A的中国发明专利申请“一种多角度车型识别方法及系统”。公开了一种多角度车型识别方法及系统，该方法包括以下步骤：收集多角度车辆图片，构建多角度车辆数据库，进行预处理获得多角度车辆训练图片，未经预处理的图片作为测试样本图片；构建卷积神经网络，在所述卷积神经网络中增加注意力机制，使用深度可分离卷积代替传统卷积；对所述多角度车辆训练图片进行卷积神经网络训练，获得多角度车辆识别模型；通过所述车辆识别模型对所述多角度车辆数据库内的所述测试样本图片进行分类识别。然而该系统在样本不足的情况下，识别率受到一定的限制，识别率不高。

发明内容

技术问题：车型识别属于精细识别问题，由于车辆型号种类繁多，部分车型之间的相似度较大，不同角度拍摄的同一车型外观变化也很大，因此车型识别存在一定难度。尤其是当样本不充足时，识别难度增大。本技术方案要解决的问题就是，在样本不足的情况下，针对从多种不同细微角度拍摄的车辆，其车型的识别问题。

技术方案：

本发明的一种基于自动扩增样本的车型识别方法及系统，包括以下技术方案：

一种基于自动扩增样本的车型识别方法，包括以下步骤：

S1：车辆图像的预处理与标注：车辆图像归一化处理，人工标注，得到标注的图像；

S2：训练生成新的车辆图像：将S1中标注的车辆图像及其包含的标签信息，和随机噪声一起作为样本生成网络的输入，训练样本生成网络中的生成网络和判别网络，利用训练好的生成网络生成新的车辆图像，即为生成样本；

S3：对生成样本进行自动标注：利用原始车辆图像初步训练车型识别网络，将生成样本输入初步训练好的车型识别网络中，对生成样本重新进行标定，形成标签信息；

S4：训练车型识别网络：将获得的生成样本作为原图像的扩充数据，将已标注的原图像、生成样本图像和图像对应的标签信息作为车型识别网络的输入，并对车型识别网络进行训练；

S5：训练车辆检测网络：基于S1中标注后的车辆图像初步训练车辆检测网络，将图像分块，若块中心在标注的包围框中，则回归预测包围框大小和位置，并且预测回归的包围框里面的物体是车的置信度，使用非极大值抑制算法确定最终包围框的大小和位置；