[发明专利]一种基于无人机的无牌渣土车识别方法及系统

权利要求书

1.一种基于无人机的无牌渣土车识别方法，其特征在于，应用于分别与无人机及通信终端通信连接的控制中心，所述方法包括：

获取所述无人机拍摄的目标车辆的多个位置方向的车辆图像，其中，所述车辆图像包括车头图像，车尾图像及车身两侧图像；

基于所述多个位置方向的车辆图像构建得到所述目标车辆的三维模型；

将所述目标车辆的三维模型输入到训练好的车辆类型识别模型中进行识别；

若所述车辆类型识别模型识别所述目标车辆的类型为渣土车，则从所述多个位置方向的车辆图像中检测是否存在满足车牌字符规则的车牌信息；

若检测不到满足车牌字符规则的车牌信息则将获取的车辆图像及所述无人机的拍摄地点发送给通信终端；

其中，所述将所述目标车辆的三维模型输入到训练好的车辆类型识别模型中进行识别的步骤，包括：

获取待进行车辆类型识别的目标车辆的三维模型及车辆样本模型；

调用车辆类型识别模型中的三维模型识别子模型分别对所述目标车辆的三维模型及车辆样本模型进行模型参数提取，并对提取的模型参数进行参数筛选处理，根据参数筛选处理后的参数得到所述目标车辆的三维模型的第一车辆类型结果及所述车辆样本模型的第二车辆类型结果；

调用车辆类型识别模型中的车辆类型匹配子模型对所述第一车辆类型结果对应的第一目标模型区域及所述第二车辆类型结果对应的第二目标模型区域进行特征参数提取，并将提取的两者特征参数进行比对，根据比对结果识别所述目标车辆的三维模型与所述车辆样本模型是否匹配，其中，所述特征参数包括车头与车身占比、车身的长度与车身的高度占比、翻斗车箱与车身占比及翻斗的高度与车身的高度占比；

若所述目标车辆的三维模型与所述车辆样本模型不匹配，则识别所述目标车辆的三维模型及车辆样本模型对应的模型类别，根据所述模型类别选择车辆类型识别模型中的深度学习子模型对所述目标车辆的三维模型及车辆样本模型进行类型识别处理；

其中，所述深度学习子模型的模型结构相较于所述三维模型识别子模型及所述车辆类型匹配子模型的模型结构复杂；

其中，将所述第一车辆类型结果对应的模型区域及所述第二车辆类型结果对应的模型区域进行尺寸归一化处理；将归一化处理后的第一车辆类型结果对应的模型区域作为第一目标模型区域，将归一化处理后的第二车辆类型结果对应的模型区域作为第二目标模型区域；或者，将归一化处理后的第一车辆类型结果对应的模型区域中的设定部分区域作为第一目标模型区域，将归一化处理后的第二车辆类型结果对应的模型区域中的设定部分区域作为第二目标模型区域。

2.如权利要求1所述的无牌渣土车识别方法，其特征在于，所述基于所述多个位置方向的车辆图像构建得到所述目标车辆的三维模型的步骤，包括：

识别所述目标车辆的不同部位在所述多个位置方向的车辆图像中的二维位置坐标以及所述多个位置方向的车辆图像对应的拍摄角度；

获取与所述多个位置方向的车辆图像对应的三维位置坐标集合，根据所述三维位置坐标集合与所述多个位置方向的车辆图像中目标车辆对应位置点之间的对应关系，获取所述目标车辆中各位置点对应的三维位置坐标；

基于所述多个位置方向的车辆图像得到多个目标车辆方位图，基于车辆检测模型中的特征识别层对所述多个位置方向的车辆图像进行特征识别处理，得到与每个目标车辆方位图对应的目标车辆位置特征信息；

识别与所述目标车辆位置特征信息对应的位置坐标，将在所述多个位置方向的车辆图像中与所述位置坐标对应的区域作为车辆方位区域；

基于所述车辆方位区域以及对应的拍摄角度，将所述车辆方位区域中相同三维位置坐标的位置进行拼接得到所述目标车辆的三维模型。