[发明专利]一种车辆识别方法和系统

权利要求书

1.一种车辆识别方法，包括：

接收第一图像；

提取第一图像的第一车款识别区域和第一颜色识别区域；

利用经训练的车款深度学习模型对提取的第一车款识别区域进行识别；

利用经训练的颜色深度学习模型对提取的第一颜色识别区域进行识别；

基于第一车款识别区域的识别结果和第一颜色识别区域的识别结果识别车辆；以及将第一车款识别区域的识别结果和第一颜色识别区域的识别结果融合，并根据融合结果对颜色车款排序；

其中所述融合基于融合模型：

P_f＝θ_bP_bδ+P_cθ_c；

其中，P_f为颜色车款融合后的得分；P_b为经识别的车款序列中各个车款对应的得分；P_c为经识别的颜色序列中各个颜色对应的得分；θ_b和θ_c的取值满足

θ*＝arg max ψ_N(θ_bP_bδ+P_cθ_c)；

其中，arg为取参数，max为最大值，θ*代表θ_b和θ_c，δ是惩罚因子，ψ_N是指前N项的比对正确率；以及

根据颜色车款融合后的得分对颜色车款进行排序。

2.根据权利要求1所述的方法，其中经训练的车款深度学习模型基于卷积神经网络CNN模型、深度信念网络DBN模型、递归神经网络RNN模型、或者生物神经网络BNN模型，或其组合。

3.根据权利要求1所述的方法，其中经训练的颜色深度学习模型基于卷积神经网络CNN模型、深度神经网络DNN模型，或其组合。

4.根据权利要求1所述的方法，其中所述融合包括将第一车款识别区域的识别结果中各个车款的得分与第一颜色识别区域的识别结果各个颜色的得分组合；以及根据得分组合对颜色车款进行排序。

5.根据权利要求1所述的方法，进一步包括：

接收第二图像；

提取第二图像的第二车款识别区域和第二颜色识别区域；

利用经训练的车款深度学习模型对提取的第二车款识别区域进行识别；

利用经训练的颜色深度学习模型对提取的第二颜色识别区域进行识别；

基于第一车款识别区域的识别结果和第一颜色识别区域的识别结果以及第二车款识别区域的识别结果和第二颜色识别区域的识别结果识别符合目标车辆信息的车辆。

6.根据权利要求5所述的方法，进一步包括：

将第一车款识别区域的识别结果和第一颜色识别区域的识别结果进行融合，得到第一融合结果；

将第二车款识别区域的识别结果和第二颜色识别区域的识别结果进行融合，得到第二融合结果；以及

根据目标车辆信息进行排序。

7.根据权利要求6所述的方法，其中所述排序的规则如下：根据目标车辆信息所定义的颜色车款在第一或第二融合结果中的位置和得分进行排序。

8.根据权利要求1所述的方法，进一步包括：

接收第二图像和目标图像；

提取第二图像的第二车款识别区域和第二颜色识别区域；

利用经训练的车款深度学习模型对提取的第二车款识别区域进行识别；

利用经训练的颜色深度学习模型对提取的第二颜色识别区域进行识别；

提取目标图像的目标车款识别区域和目标颜色识别区域；

利用经训练的车款深度学习模型对提取的目标车款识别区域进行识别；

利用经训练的颜色深度学习模型对提取的目标颜色识别区域进行识别；

基于第一车款识别区域的识别结果和第一颜色识别区域的识别结果以及第二车款识别区域的识别结果和第二颜色识别区域的识别结果识别符合目标图像的车辆。