车辆装载率识别方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114187502A(43)申请公布日2022.03.15(21)申请号202010963331.0G06V10/80(2022.01)(22)申请日2020.09.14G06V10/82(2022.01)G06K9/62(2022.01)(71)申请人顺丰科技有限公司G06N3/04(2006.01)地址518000广东省深圳市南山区学府路G06N3/08(2006.01)（以南）与白石路（以东）交汇处深圳市G06Q10/08(2012.01)软件产业基地1栋B座6-13层(72)发明人张宽(74)专利代理机构深圳紫藤知识产权代理有限公司44570代理人官建红(51)Int.Cl.G06V20/10(2022.01)G06V10/774(2022.01)G06V10/40(2022.01)G06V10/764(2022.01)权利要求书2页说明书17页附图3页(54)发明名称车辆装载率识别方法、装置、电子设备及存储介质(57)摘要本申请提供一种车辆装载率识别方法、装置、电子设备及计算机可读存储介质。该车辆装载率识别方法包括：获取包含待识别车辆的车厢区域的第一图像，并获取包含所述待识别车辆的外观的第二图像；根据所述第一图像和所述第二图像进行特征提取处理，得到所述待识别车辆的目标特征信息；根据所述目标特征信息进行装载率预测处理，得到所述待识别车辆的第一装载率。本申请中可以提高车辆装载率的识别精度。CN114187502ACN114187502A权利要求书1/2页1.一种车辆装载率识别方法，其特征在于，所述方法包括：获取包含待识别车辆的车厢区域的第一图像，并获取包含所述待识别车辆的外观的第二图像；根据所述第一图像和所述第二图像进行特征提取处理，得到所述待识别车辆的目标特征信息；根据所述目标特征信息进行装载率预测处理，得到所述待识别车辆的第一装载率。2.根据权利要求1所述的车辆装载率识别方法，其特征在于，所述根据所述第一图像和所述第二图像进行特征提取处理，得到所述待识别车辆的目标特征信息，包括：调用训练后装载率预测网络中的第一特征提取层，根据所述第一图像进行特征提取处理，得到所述第一图像的第一特征信息；调用训练后装载率预测网络中的第二特征提取层，根据所述第二图像进行特征提取处理，得到所述第二图像的第二特征信息；调用训练后装载率预测网络中的特征融合层，根据所述第一特征信息和所述第二特征信息进行融合处理，得到所述目标特征信息。3.根据权利要求2所述的车辆装载率识别方法，其特征在于，还包括第三图像，所述调用训练后装载率预测网络中的特征融合层，根据所述第一特征信息和所述第二特征信息进行融合处理，得到所述目标特征信息，包括：获取包含所述待识别车辆内的装载货物的第三图像；调用训练后装载率预测网络中的第三特征提取层，根据所述第三图像进行特征提取处理，得到所述第三图像的第三特征信息；调用训练后装载率预测网络中的特征融合层，根据所述第一特征信息、所述第二特征信息和所述第三特征信息进行融合处理，得到所述目标特征信息。4.根据权利要求2或3所述的车辆装载率识别方法，其特征在于，所述根据所述目标特征信息进行装载率预测处理，得到所述待识别车辆的第一装载率，包括：调用训练后装载率预测网络中的预测层，根据所述目标特征信息进行预测处理，得到预设的装载率类别的第一置信度；从所述装载率类别中，获取所述第一置信度最大的目标装载率类别；根据所述目标装载率类别确定所述待识别车辆的第一装载率。5.根据权利要求4所述的车辆装载率识别方法，其特征在于，所述根据所述目标装载率类别确定所述待识别车辆的第一装载率，包括：根据所述目标装载率类别和预设的装载率间距，确定所述待识别车辆的第一装载率，其中，所述装载率类别有N个，所述装载率间距为所述装载率类别采用数值M表示；所述根据所述目标装载率类别和预设的装载率间距，确定所述待识别车辆的第一装载率，包括：根据以下公式确定所述第一装载率，其中公式为：其中，Y表示所述第一装载率，N表示所述装载率类别的数量，M0表示目标装载率类别的2CN114187502A权利要求书2/2页表示数值。6.根据权利要求2所述的车辆装载率识别方法，其特征在于，所述方法还包括：获取样本图像，其中，所述样本图像包括样本车辆的车厢区域图像、样本车辆的外观图像；调用预设的装载率预测网络中的第一特征提取层，根据所述车厢区域图像进行特征提取处理，得到所述车厢区域图像的第四特征信息；调用预设的装载率预测网络中的第二特征提取层，根据所述外观图像进行特征提取处理，得到所述外观图像的第五特征信息；调用预设的装载率预测网络中的特征融合层，根据所述第四特征信息和所述第五特征信息进行融合处理，得到所述样本图像的图像特