[发明专利]一种基于图像处理的车辆类型识别方法及终端

权利要求书

1.一种基于图像处理的车辆类型识别方法，其特征在于，包括步骤：

基于预设数据集训练预设目标检测算法，得到收敛并压缩后的目标检测算法模型，根据所述目标检测算法模型检测出所有车辆；

获取预设车辆类型中所占比例最大的特征信息作为当前特征信息，根据所述当前特征信息训练得到的分类网络模型对所述检测出的所有车辆进行识别，并计算识别准确率；

判断所述识别准确率是否达到预设准确率，若是，则对当前已使用的所有分类网络模型进行部署，若否，则根据小于当前特征信息比例的特征信息训练得到的分类网络模型对当前分类网络模型得到的分类结果进行识别，并计算识别准确率，返回执行判断所述识别准确率是否达到预设准确率的步骤，直至当前分类网络模型的识别准确率达到预设准确率；

所述获取预设车辆类型中所占比例最大的特征信息包括：

提取预设车辆类型的各个特征信息，根据每一个特征信息对应的车辆数量和所述检测出的所有车辆数量的比值计算每一特征信息对应的比例，每一个特征信息对应的车辆数量指的是包含所述特征信息的车辆数量；

获取最大比例对应的特征信息；

各分类网络模型之间相互独立，不存在依赖关系，可以对存在问题的分类网络模型进行定位和替换。

2.根据权利要求1所述的一种基于图像处理的车辆类型识别方法，其特征在于，所述根据所述目标检测算法模型检测出所有车辆之后的步骤替换为：

根据预设车辆类型提取预设个数的特征信息并训练得到每一个特征信息对应的分类网络模型；

获取提取的所述特征信息中比例最大的特征信息，根据所述比例最大的特征信息对应的分类网络模型对所述检测出的所有车辆进行识别；

根据提取的所述特征信息中仅次于当前特征信息比例的特征信息对应的分类网络模型对当前特征信息对应的分类网络模型得到的分类结果进行识别，将当前特征信息更新为所述仅次于当前特征信息比例的特征信息，并返回执行根据提取的所述特征信息中仅次于当前特征信息比例的特征信息对应的分类网络模型对当前特征信息对应的分类网络模型得到的分类结果进行识别步骤，直至所有所述提取的特征信息对应的分类网络模型都识别完成；

计算当前特征信息对应的分类网络模型的识别准确率；

判断所述当前特征信息对应的分类网络模型的识别准确率是否达到预设准确率，若是，则对当前已使用的所有分类网络模型进行部署，若否，则选择新的特征信息，并根据所述新的特征信息训练得到的分类网络模型对当前特征信息对应的分类网络模型得到的分类结果进行识别，并计算识别准确率，将当前特征信息更新为所述选择的新的特征信息，并返回执行判断所述当前特征信息对应的分类网络模型的识别准确率是否达到预设准确率步骤，直至当前分类网络模型的识别准确率达到所述预设准确率。

3.根据权利要求1或2所述的一种基于图像处理的车辆类型识别方法，其特征在于，所述当前分类网络模型的识别准确率达到预设准确率之后还包括步骤：

获取每一分类网络模型得到的识别准确率，根据所述识别准确率扩充每一分类网络模型对应的训练数据集，并对每一分类网络模型进行微调。

4.根据权利要求1或2所述的一种基于图像处理的车辆类型识别方法，其特征在于，所述对当前已使用的所有分类网络模型进行部署包括：

将所述目标检测算法模型和当前已使用的所有分类网络模型组合，对组合后的模型进行部署。