[发明专利]一种基于Transformer的车标识别方法及装置

说明书

本发明提供了一种基于Transformer的车标识别方法，该方法包括：接收车辆图像；对车辆图像进行高宽固定比例补边、缩放、高宽32倍数补边处理，得到处理后的车辆图像；基于MobileNetV2网络和Transformer，构建车标识别网络；输入车辆样本图像，对车标识别网络进行反复训练，直至网络收敛，得到训练好的车标识别网络；将处理后的车辆图像输入到训练好的车标识别网络中，获得车标的识别结果并输出。与现有技术相比，本发明有更高的车标识别准确率，在车标反光、车标缺失的情况下也能很好的识别车标信息。

技术领域

本发明涉及图像处理、智慧停车、车牌识别，特别涉及一种基于Transformer的车标识别方法及装置。

背景技术

随着生活水平和工业水平的提高，机动车数量迅速增长，近年来通过图像识别车辆信息成为热点。常用的车辆信息识别方法主要通过识别车牌号码，然而对于无牌车、车牌污损或遮挡等情况，无法准确获取车辆信息，针对上述问题，今年来，如何识别车辆的品牌成为研究热点之一。

现有的车标识别方法主要是对车辆上的车标进行识别，进而判断车标。但存在以下问题：车标样式繁多，有图标和文字，且大小不一、高宽比不一，识别算法对小目标、高宽比极大的识别较为困难；由于反光、车标缺失、车标污损等情况，无法正确识别车标类型。

综上所述，目前迫切需要提出一种解决上述问题的基于Transformer的车标识别方法。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于Transformer的车标识别方法，能够实现精度和速度并重。

为达到上述目的，按照本发明的第一个方面，提供了一种基于Transformer的车标识别方法，该方法包括：

第一步骤，接收车辆图像；

第二步骤，对车辆图像进行高宽固定比例补边、缩放、高宽32倍数补边处理，得到处理后的车辆图像；

第三步骤，基于MobileNetV2网络和Transformer，构建车标识别网络；输入车辆样本图像，对车标识别网络进行反复训练，直至网络收敛，得到训练好的车标识别网络；

第四步骤，将处理后的车辆图像输入到训练好的车标识别网络中，获得车标的识别结果并输出。

其中，所述第一步骤中的车辆图像是指车辆外接矩形框的子图像。

所述第二步骤包括：

高宽固定比例补边处理步骤，按照高宽固定比例、车辆图像的高度和宽度，计算固定比例后的高度和宽度；按照固定比例后的高度和宽度，将车辆图像进行外扩，外扩区域的像素补为0，得到第一车辆图像；

固定尺寸缩放处理步骤，按照固定尺寸，对第一车辆图像进行缩小或者放大，得到第二车辆图像；

高宽为32倍数补边处理步骤，将第二车辆图像的高度和宽度分别外扩至32的倍数，外扩区域的像素补为0，得到处理后的车辆图像。

所述高宽固定比例是根据相机采集的图像分辨率设定的。

所述第三步骤S3中车标识别网络包括：Input、CU、MU*1、MU*2、TU*2、MU*2、TU*3、MU*2、TU*2、MU*1、global pooling、Softmax。

其中，Input表示输入层；CU表示卷积单位，包括卷积层、BN层、激活函数(relu)；MU表示MobilenetV2的单元模块，所述MobilenetV2的单元模块包括：CU、DU、CU，其中DU表示深度卷积单元，所述深度卷积单元包括：深度卷积层、BN层、激活函数(relu)；TU表示Transformer的单元模块；global pooling表示全局池化层；Softmax表示Softmax损失函数。