[发明专利]一种基于图像处理的车辆类型识别方法及终端

说明书

本发明公开了一种基于图像处理的车辆类型识别方法及终端，根据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，根据当前特征信息训练的分类网络模型对所有车辆进行识别，并计算识别准确率，如果当前识别准确率未达到预设准确率，则根据小于当前特征信息比例的特征信息训练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；层层递进地对车辆类型进行识别，逐层对分类网络模型进行细化，因此在样本数量少的情况下依然能够对车辆类型进行高精度的识别，并且各分类网络模型之间相互独立，不存在依赖关系，有利于对存在问题的分类网络模型进行定位和替换。

技术领域

本发明涉及计算机图像处理领域，特别涉及一种基于图像处理的车辆类型识别方法及终端。

背景技术

在对特定类型的车辆进行识别时，在常用的方法中，一种是直接使用目标检测方法来完成对目标的检测和分类，但是这种方法对样本有很高的要求，在目标类型样本少且不同样本数量分布不均衡的情况下，目标类型检出率和分类准确率都极低，具有较大的局限性。

另一种是使用目标检测和目标分类相结合的方法，先检测出相关的目标，再对检测出来的目标进行分类，该方法的分类层级单一，特征提取不足，对于相似度高的类型，误检率高。

发明内容

本发明所要解决的技术问题是：提供一种基于图像处理的车辆类型识别方法及终端，能够在样本数量少的情况下对车辆类型进行高精度识别。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于图像处理的车辆类型识别方法，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。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种基于图像处理的车辆类型识别终端，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

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。