车辆属性识别方法、装置、存储介质及电子设备.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CN109508636A(43)申请公布日2019.03.22(21)申请号201811169429.8(22)申请日2018.10.08(71)申请人百度在线网络技术（北京）有限公司地址100085北京市海淀区上地十街10号百度大厦三层(72)发明人袁宇辰谭啸周峰孙昊丁二锐(74)专利代理机构北京同立钧成知识产权代理有限公司11205代理人张晓霞刘芳(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06N3/04(2006.01)权利要求书2页说明书9页附图5页(54)发明名称车辆属性识别方法、装置、存储介质及电子设备(57)摘要本发明提供一种车辆属性识别方法、装置、存储介质及电子设备。本发明提供的车辆属性识别方法，包括：先获取待监测图像，并通过预设的车辆检测模型从待监测图像中获取待识别车辆的轮廓数据信息，再根据轮廓数据信息确定车辆检测框，并利用车辆检测框从待监测图像中截取待识别车辆对应的待识别图像，然后通过预设的车辆属性识别模型对待识别图像进行特征提取，以获得待识别图像中的待识别车辆的属性特征信息。本发明提供的车辆属性识别方法，可以实现在安防应用场景中对嫌疑车辆进行识别筛选的功能，大大加快了识别速度和准确度，并减少了人力成本的投入。CN109508636ACN109508636A权利要求书1/2页1.一种车辆属性识别方法，其特征在于，包括：获取待监测图像，并通过预设的车辆检测模型从所述待监测图像中获取待识别车辆的轮廓数据信息；根据所述轮廓数据信息确定车辆检测框，并利用所述车辆检测框从所述待监测图像中截取所述待识别车辆对应的待识别图像；通过预设的车辆属性识别模型对所述待识别图像进行特征提取，以获得所述待识别图像中的所述待识别车辆的属性特征信息。2.根据权利要求1所述的车辆属性识别方法，其特征在于，在所述通过预设的车辆属性识别模型对所述待识别图像进行特征提取，以获得所述待识别图像中的所述待识别车辆的属性特征信息之后，还包括：在所述待监测图像上叠加显示所述车辆检测框以及所述属性特征信息，其中，所述车辆检测框用于容置所述待监测图像中的所述待识别车辆。3.根据权利要求1所述的车辆属性识别方法，其特征在于，所述通过预设的车辆检测模型从所述待监测图像中获取待识别车辆的轮廓数据信息，包括：通过所述待监测图像进行多次卷积层处理和池化层处理，以形成全连接层；利用目标检测网络对所述全连接层进行分类识别，以获取所述待识别车辆的轮廓数据信息。4.根据权利要求3所述的车辆属性识别方法，其特征在于，所述根据所述轮廓数据信息确定车辆检测框，包括：根据所述轮廓数据信息确定所述车辆检测框的左上角顶点在预设坐标系中第一坐标值、第一框长值以及第一框高值，其中，所述第一坐标值中的横坐标值小于或等于所述轮廓数据信息中最小横坐标值，所述第一坐标值中的纵坐标值大于或等于所述轮廓数据信息中最大纵坐标值，所述第一框长值大于或等于所述轮廓数据信息中最大横坐标值与所述最小横坐标值之差，所述第一框高值大于或等于所述轮廓数据信息中最大纵坐标值与所述最小纵坐标值之差。5.根据权利要求4所述的车辆属性识别方法，其特征在于，所述预设的车辆属性识别模型为张量递归神经网络模型。6.根据权利要求5所述的车辆属性识别方法，其特征在于，所述张量递归神经网络模型包括输入层、第一卷积层、第一校正层、第一池化层、第二卷积层、第二校正层、第二池化层、第三卷积层、张量递归层和输出层；其中，所述输入层、所述第一卷积层、所述第一校正层、所述第一池化层、所述第二卷积层、所述第二校正层、所述第二池化层以及所述第三卷积层依次连接，所述张量递归层全连接到所述第三卷积层，所述输出层全连接到所述张量递归层。7.根据权利要求1所述的车辆属性识别方法，其特征在于，在所述通过预设的车辆检测模型从所述待监测图像中获取待识别车辆的轮廓数据信息之前，还包括：对所述待监测图像进行第一预处理，以使所述待监测图像满足预设尺寸要求。8.根据权利要求7所述的车辆属性识别方法，其特征在于，在对所述待监测图像进行第一预处理之后，还包括：对所述待监测图像进行第二预处理，以使所述待监测图像满足预设的RGB颜色值要求。2CN109508636A权利要求书2/2页9.根据权利要求1-8中任意一项所述的车辆属性识别方法，其特征在于，所述属性特征信息至少包括以下属性特征中的至少一项：车辆外部特征信息、车辆内部特征信息以及车辆行驶方向信息。10.根据权利要求9所述的车辆属性识别方法，其特征在于，所述车辆外部特征信息至少包括以下属性特征中的至少一项：车型信息、车窗雨眉信息、车顶架信息以及天窗信息；所述车辆内部特征信息至少包括以下属性特征中的至少一项：