[发明专利]基于神经网络的车辆属性识别方法、装置、设备及介质

说明书

本发明公开了一种基于神经网络的车辆属性识别方法、装置、设备及介质，所述方法包括：获取待识别的初始车辆图像，进而对初始车辆图像进行图像预处理，得到目标车辆图像，并将目标车辆图像输入到预设的卷积神经网络模型中，通过预设卷积层提取该目标车辆图像的特征数据并发送给每个分支识别网络进行识别，得到车辆颜色属性、车辆种类属性和车辆安全识别属性，其中，车辆安全识别属性包括：车顶异物检测信息、驾驶安全检测信息和车牌号码识别信息，实现了通过一次识别过程即可完成多种车辆属性的识别，提高了识别效率，且这种采用统一的卷积神经网络同时识别多重属性的方式，提高了识别的准确率。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于神经网络的车辆属性识别方法、装置、计算机设备及存储介质。

背景技术

随着社会经济的发展，越来越多的汽车进入了人们的生活，汽车给人们的生活带来了许多便利，但出现汽车超载、非安全驾驶、车牌遮挡或者使用假牌照等现象也屡见不鲜，这使得汽车的管理也变得越来越复杂。例如车辆收费和管理，交通流量检测，停车场收费管理，违章车辆监控，车顶载有重物，未系安全带，假牌照或者遮挡车牌等车辆属性识别这些具体问题。

针对这些问题，当前采用的主要方法是通过识别对车辆进行拍照，得到车牌图像，进而使用不同识别技术，分别对车辆颜色、车辆种类、车顶是否载有异物、是否符合安全驾驶规范以及车牌号码是否正常等，多次进行识别需要花费较多的时间，且通过不同识别技术，存在误差也较大，这导致了在需要识别多重车辆属性时，识别效率低，且准确率不高的问题。

发明内容

本发明实施例提供一种基于神经网络的车辆属性识别方法、装置、计算机设备和存储介质，以解决在对多重车辆属性进行识别时，识别效率低和准确率不高的问题。

一种基于神经网络的车辆属性识别方法，包括：

获取待识别的初始车辆图像；

对所述初始车辆图像进行图像预处理，得到目标车辆图像；

将所述目标车辆图像输入到预设的卷积神经网络模型中，其中，所述预设的卷积神经网络模型包括主干网络、第一分支识别网络、第二分支识别网络和第三分支识别网络，所述主干网络包括三层预设卷积层；

通过第一层预设卷积层对所述目标车辆图像进行卷积处理，得到第一特征数据，将所述第一特征数据发送给所述第一分支识别网络并对所述第一特征数据进行识别，得到车辆颜色属性；

将所述第一特征数据发送给第二层预设卷积层并对所述第一特征数据进行卷积处理，得到第二特征数据，将得到的所述第二特征数据发送给所述第二分支识别网络并对所述第二特征数据进行识别，得到车辆种类属性；

将得到的所述第二特征数据发送给第三层预设卷积层所述第三层预设卷积层并对所述第二特征数据进行卷积处理，得到第三特征数据；

将所述第三特征数据发送给所述第三分支识别网络并对所述第三特征数据进行识别，得到车辆安全属性，其中，所述车辆安全属性包括车身异物检测信息、驾驶安全检测信息和车牌号码识别信息。

一种基于神经网络的车辆属性识别装置，包括：

图像获取模块，用于获取待识别的初始车辆图像；

图像预处理模块，用于对所述初始车辆图像进行图像预处理，得到目标车辆图像；

图像输入模块，用于将所述目标车辆图像输入到预设的卷积神经网络模型中，其中，所述预设的卷积神经网络模型包括主干网络、第一分支识别网络、第二分支识别网络和第三分支识别网络，所述主干网络包括三层预设卷积层；

颜色识别模块，用于通过第一层预设卷积层对所述目标车辆图像进行卷积处理，得到第一特征数据，将所述第一特征数据发送给所述第一分支识别网络并对所述第一特征数据进行识别，得到车辆颜色属性；