[发明专利]一种车辆类别识别方法及系统

说明书

本发明公开了一种车辆类别识别方法，包括：构建车辆识别模型，所述车辆识别模型是基于CSPPe l eeNet‑SE网络实现；对构建的车辆识别模型进行训练与评估；基于通过评估的车辆识别模型对获取的图片进行识别；获取识别结果，所述识别结果包括图片中的车辆属于各个类别的车型的概率，可实现车辆类别识别，且具有较高的识别准确率。

技术领域

本发明涉及图像检测技术领域，更具体的说是一种车辆类别识别方法及系统。

背景技术

随着社会的发展，私家车已成为人们出行的主要工具，大街上随处可见的私家车成为交通堵塞的主要原因，据相关部门统计，2020年全国的汽车数量达2.81亿辆，汽车驾驶人4.18亿人。在如此庞大的车辆数量面前，城市经常出现泊车难，交通堵塞的问题，而且需要大量的人力物力来对停放车辆进行收费。

如今，随着科技快速发展，智慧停车逐渐走入人们的视野。所谓智慧停车就是用自动收费取代人工收费，通过泊车位的车辆进入判断是否为收费车辆，若为收费车辆，再根据其停放的时间进行自动收费。为了更好地服务于智慧停车项目，判断收费车辆还是非为收费车辆是该项目的第一步，至关重要，只有区分出是否为收费车辆才能进行下一步项目，因此本专利旨在发明一种新的高速有效的车辆识别系统，使得快速检测出是否为收费车辆。

因此，需要一种准确率更高，误检率低的车辆类别识别算法。

发明内容

本说明书实施例的一个方面提供一种车辆类别识别方法，包括：构建车辆识别模型，所述车辆识别模型是基于CSPPeleeNet-SE网络实现；对构建的车辆识别模型进行训练与评估；基于通过评估的车辆识别模型对获取的图片进行识别；获取识别结果，所述识别结果包括图片中的车辆属于各个类别的车型的概率。

在一些实施例中，所述车辆识别模型包括依次连接的特征提取模型、特征压缩模型、特征激励模型、特征融合及分类模型；所述特征提取模型用于对输入的图片进行特征提取；所述特征压缩模型用于对所述特征提取模型提取的特征进行压缩，所述特征激励模型用于对压缩后的特征进行处理并得出各个特征的权重，所述特征融合及分类模型用于将带权重的特征进行融合，并对融合后的特征图进行类别预测并输出识别结果。

在一些实施例中，所述特征激励模型包括两个全连接层和两个函数，第一个全连接层用于对输入的数据进行降维处理从而降低计算量，第一个函数为ReLU激活函数，用于对第一个全连接层输出的数据进行函数处理，第二个全连接层用于对经第一个激活函数处理的数据进行升维处理，第二个函数为Sigmoid函数，用于对升维处理后的数据计算权重。

在一些实施例中，所述特征提取模型提取的特征被分为两部分，一部分依次进入特征压缩模型、特征激励模型进行处理，另一部分直接进入特征融合及分类模型。

本说明书实施例的一个方面提供一种车辆类别识别设备，包括：构建模块，用于构建车辆识别模型，所述车辆识别模型是基于CSPPeleeNet-SE网络实现；评估模块，用于对构建的车辆识别模型进行训练与评估；识别模块，用于基于通过评估的车辆识别模型对获取的图片进行识别；及输出识别结果，所述识别结果包括图片中的车辆属于各个类别的车型的概率。

本说明书实施例的一个方面提供一种车辆类别识别装置，所述装置包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现所述车辆类别识别方法对应的操作。

本说明书实施例的一个方面提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，实现所述车辆类别识别方法。

附图说明

本说明书将以示例性实施例的方式进一步描述，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本申请一些实施例所示的车辆类别识别设备的应用场景示意图；