[发明专利]基于经验回放的车辆型号识别方法、装置、设备及介质

说明书

本发明公开了一种基于经验回放的车辆型号识别方法、装置、设备及介质，方法包括：获取原始车辆图像；所述原始车辆图像包括车辆型号信息；通过GAN网络对所述原始车辆图像进行数据扩充，得到车型样本数据；将所述车型样本数据输入带有经验回放的对抗网络进行训练，得到目标模型；根据所述目标模型对获取的待识别车辆图像进行识别，确定所述待识别车辆图像中的车辆型号。本发明提高了对车辆型号的识别能力，设计了车辆外观图像训练样本的拓展方法，并在此基础上，针对生成结果不理想的车辆外观样本利用带有经验回放的优化了GAN的生成图片结果，可广泛应用于图像处理技术领域。

技术领域

本发明涉及图像处理技术领域，尤其是一种基于经验回放的车辆型号识别方法、装置、设备及介质。

背景技术

汽车市场更新迭代速度不断提高，市面上不同品牌型号的车辆持续大量涌现，现有技术缺乏有效识别车辆品牌型号信息的手段。传统的车辆识别系统识别信息只局限于号牌的字符、颜色的识别，能够识别的信息单一、缺乏多元性，且识别算法不能根据实际应用环境进行动态的自我调校更新及识别数据集的扩充，面对车辆厂家频频推出新型号的时代环境，已经不能满足车辆信息识别的需求。

车辆型号作为驾车用户画像的一部分，在个性化服务等领域尚未能作为有效的价值数据发挥其作用，若能将车辆型号、牌照等信息合理利用，将能在提升用户用车停车体验、消费体验、个性化定制服务等多方面的体验，也有助于相关行业产业推出定制化的商业推广、安保服务等产品。

发明内容

有鉴于此，本发明实施例提供一种基于经验回放的车辆型号识别方法、装置、设备及介质，提高识别准确率。

本发明的第一方面提供了一种基于经验回放的车辆型号识别方法，包括：

获取原始车辆图像；所述原始车辆图像包括车辆型号信息；

通过GAN网络对所述原始车辆图像进行数据扩充，得到车型样本数据；

将所述车型样本数据输入带有经验回放的对抗网络进行训练，得到目标模型；

根据所述目标模型对获取的待识别车辆图像进行识别，确定所述待识别车辆图像中的车辆型号。

可选地，所述获取原始车辆图像信息，包括：

通过爬虫技术爬取已知车辆型号信息的原始车辆图像；

对所述原始车辆图像进行灰度化处理、亮度归一化处理以及对比度归一化处理，得到用于表征纹理信息的目标图像；

将所述目标图像输入到预训练网络中，提取出特征块；

将所述特征块输入SVM分类器中进行训练，得到目标SVM分类器；

将所述目标图像输入所述SVM分类器，输出各类识别结果的概率标签；

根据所述概率标签，计算车辆型号的识别结果，作为原始车辆图像中的车辆型号信息。

可选地，所述通过GAN网络对所述原始车辆图像进行数据扩充，得到车型样本数据，包括：

向所述GAN网络输入噪声数据，得到测试样本，将所述原始车辆图像作为训练样本；

将所述训练样本和所述测试样本输入所述GAN网络的初始判别器中，得到判别结果；

通过DQN网络对所述GAN网络进行训练，得到理想生成器和理想判别器；

通过所述理想生成器生成车辆外观图像，并由所述理想判别器对所述生成的车辆外观图像进行检验，并将通过检验的车辆外观图像作为所述原始车辆图像的扩充结果。

可选地，所述将所述车型样本数据输入带有经验回放的对抗网络进行训练，得到目标模型，包括：