[发明专利]一种车辆识别方法和系统

说明书

本发明涉及一种车辆识别方法和系统，其中车辆识别方法，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；对提取的第一颜色识别区域进行识别；以及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。

技术领域

本发明涉及一种人工智能领域，特别地涉及一种以人工智能的方式进行车辆识别方法和系统。

背景技术

随着社会的不断发展，车辆已经成为人们日常的出行工具。车辆的标识是车牌，然而，在车牌缺失、被遮挡、污损的情况下，或者由于距离、天气等原因无法获取准确的车牌信息的情况下，使用计算机进行车辆识别是非常困难的。在实际情况中，往往需要人工进行车辆识别。人工识别的方式不但效率较低，而且也容易出现判断失误或者遗漏的情况。

发明内容

针对现有技术中存在的技术问题，本发明提出了一种车辆识别方法，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；对提取的第一颜色识别区域进行识别；以及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。

如上所述的方法，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。

如上所述的方法，包括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。

如上所述的一种或多种方法，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。

如上所述的一种或多种方法，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融合，以及根据融合结果对颜色车款排序。

如上所述的一种或多种方法，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。

如上所述的一种或多种方法，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 maxψ_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；以及

根据颜色车款融合后的得分对颜色车款进行排序。

如上所述的一种或多种方法，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。