车辆属性检测方法、装置及存储介质制造方法及图纸

本申请涉及一种车辆属性检测方法、装置及存储介质，属于计算机技术领域，该方法包括：获取待识别车辆的车辆图像；将车辆图像输入预先训练的属性检测模型，得到待识别车辆的至少两种属性信息和每种属性信息在车辆图像中的位置信息；该属性检测模型包括第一分支模型，第一分支模型用于检测待识别车辆上不同局部属性位置的局部车身颜色；至少两种属性信息包括不同局部属性位置的局部车身颜色；根据不同局部属性位置的局部车身颜色确定待识别车辆的车辆颜色；可以解决以车窗周边颜色确定车辆颜色时确定结果可能不准确的问题；可以提高确定车辆颜色的准确性。

【技术实现步骤摘要】
车辆属性检测方法、装置及存储介质
本申请涉及车辆属性检测方法、装置及存储介质，属于计算机

技术介绍
随着车辆的增多，智能安防监控系统应用的越来越广泛，比如：应用于卡口的车辆监控和检索、公安刑侦调查、交警指挥调度等场景。其中，车辆的属性检测是智能安防监控系统的关键环节，该环节能够对采集到的车辆图像进行识别，得到车辆类型、车牌号码、车身颜色等信息。以检测车辆属性中的车身颜色为例，申请号为201611199772.8的专利技术专利《一种基于多任务卷积神经网络的车辆属性识别方法》公开了一种车身颜色的检测方法，该方法包括：获取待识别车辆图像；利用多任务卷积神经网络训练车辆属性识别的多任务网络模型；根据车辆类型和车窗位置的概率确定待识别车辆图像的车辆类型和车窗位置；根据多任务卷积神经网络得到的车辆类型结果以及该车窗位置信息设计不同掩膜，该掩膜为与车辆图像尺寸相同的二进制矩阵；将掩膜和车辆图像点乘得到加入掩膜的新车辆图像；利用多任务卷积神经网络提取新车辆图像在多任务网络模型中第二个池化层的特征；将提取的特征输入至分类器中训练分类模型；根据分类器结果确定车辆颜色信息。然而，在车辆的车身颜色包括多种时，车窗周边颜色不足以代表整体车身的颜色，因此，确定出的车辆颜色信息可能不准确。
技术实现思路
本申请提供了一种车辆属性检测方法、装置及存储介质，可以解决以车窗周边颜色确定车辆颜色时确定结果可能不准确的问题。本申请提供如下技术方案：第一方面，提供了一种车辆属性检测方法，所述方法包括：获取待识别车辆的车辆图像；将所述车辆图像输入预先训练的属性检测模型，得到所述待识别车辆的至少两种属性信息和每种属性信息在所述车辆图像中的位置信息；所述属性检测模型包括第一分支模型，所述第一分支模型用于检测所述待识别车辆上不同局部属性位置的局部车身颜色；所述至少两种属性信息包括所述不同局部属性位置的局部车身颜色；根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色。可选地，所述根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色，包括：统计每种局部车身颜色的数量，所述局部车身颜色的数量指具有相同局部车身颜色的不同局部属性位置的数量；若存在一种局部车身颜色的数量大于其它局部车身颜色的数量，则将该局部车身颜色确定为所述待识别车辆的车辆颜色。可选地，所述根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色，包括：获取所述待识别车辆的车辆类型；确定所述车辆类型对应的局部属性优先级；所述局部属性优先级用于指示所述局部属性位置的优先程度；将局部属性优先级最高的局部属性位置对应的局部车身颜色确定为所述待识别车辆的车辆颜色。可选地，所述属性检测模型还包括第二分支模型，所述第二分支模型用于检测所述待识别车辆的车辆类型；所述至少两种属性信息包括所述待识别车辆的车辆类型；所述获取所述待识别车辆的车辆类型，包括：获取所述第二分支模型输出的所述待识别车辆的车辆类型。可选地，所述根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色，包括：将所述不同局部属性位置的局部车身颜色按照预设的颜色优先级由高到低的顺序进行排序；所述颜色优先级用于指示局部车身颜色的优先程度；将颜色优先级最高的局部车身颜色确定为所述待识别车辆的车辆颜色。可选地，所述属性检测模型还包括第三分支模型，所述第三分支模型用于检测所述待识别车辆的驾驶人员的驾驶状态和/或其它属性信息，所述至少两种属性信息包括所述驾驶状态和/或其它属性信息；其中，其它属性信息包括：所述待识别车辆的车牌、车标、车灯、和/或年检标识。可选地，所述将所述车辆图像输入预先训练的属性检测模型，得到所述待识别车辆的至少两种属性信息之前，还包括：获取训练集，所述训练集包括至少一组数据，每组数据包括车辆的样本图像、所述车辆的实际属性信息和所述实际属性信息在所述样本图像中的实际位置信息；将所述训练集输入预先建立的神经网络模型，得到训练结果；所述训练结果包括至少两种预测属性信息和每种预测属性信息在对应样本图像中的预测位置信息；所述神经网络模型包括未训练的第一分支模型，所述至少两种预测属性信息包括不同局部属性位置的预测局部车身颜色；根据所述预测属性信息与所述实际属性信息之间的误差、所述预测位置信息与所述实际位置信息之间的误差，基于反向传播算法对所述神经网络模型进行训练，得到所述属性检测模型。可选地，所述属性检测模型按照数据传输方向依次为：数据输入层、通用网络层、n层卷积神经网络层和至少三个分支模型，所述至少三个分支模型包括所述第一分支模型；所述n为正整数；每层卷积神经网络层包括卷积层、激活函数层和池化层；每个分支模型包括全连接层、分类层和平滑层。第二方面，提供了一种车辆属性检测装置，所述装置包括：图像获取模块，用于获取待识别车辆的车辆图像；属性预测模块，用于将所述车辆图像输入预先训练的属性检测模型，得到所述待识别车辆的至少两种属性信息和每种属性信息在所述车辆图像中的位置信息；所述属性检测模型包括第一分支模型，所述第一分支模型用于检测所述待识别车辆上不同局部属性位置的局部车身颜色；所述至少两种属性信息包括所述不同局部属性位置的局部车身颜色；颜色确定模块，用于根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色。第三方面，提供一种车辆属性检测装置，所述装置包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的车辆属性检测方法。第四方面，提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的车辆属性检测方法。本申请的有益效果在于：获取待识别车辆的车辆图像；将车辆图像输入预先训练的属性检测模型，得到待识别车辆的至少两种属性信息和每种属性信息在车辆图像中的位置信息；该属性检测模型包括第一分支模型，第一分支模型用于检测待识别车辆上不同局部属性位置的局部车身颜色；根据不同局部属性位置的局部车身颜色确定待识别车辆的车辆颜色；可以解决以车窗周边颜色确定车辆颜色时确定结果可能不准确的问题；由于通过不同局部属性位置的局部车身颜色的来确定车辆颜色，因此，可以综合考虑多个局部属性位置来确定车辆颜色，从而可以提高确定车辆颜色的准确性。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，并可依照说明书的内容予以实施，以下以本申请的较佳实施例并配合附图详细说明如后。附图说明图1是本申请一个实施例提供的车辆属性检测方法的流程图；图2是本申请一个实施例提供的属性检测模型的结构示意图；图3是本申请另一个实施例提供的车辆属性检测方法的流程图；图4是本申请一个实施例提供的车辆属性检测装置的框图；图5是本申请一个实施例提供的车辆属性检测装置的框图。具体实施方式下面结合附图和实施例，对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。本申请中，以各个实施例中每个步骤的执行主体为车辆属性检测装置为例进行说明，该车辆属性检测装置可以是终端；或者，也可以是服务器；其中，终端可以是计算机、平板电脑、手机等具有计算能力的电子设备，本实施例不对车辆属性检测装置的设备类型作限定。图1是本本文档来自技高网...

【技术保护点】
1.一种车辆属性检测方法，其特征在于，所述方法包括：获取待识别车辆的车辆图像；将所述车辆图像输入预先训练的属性检测模型，得到所述待识别车辆的至少两种属性信息和每种属性信息在所述车辆图像中的位置信息；所述属性检测模型包括第一分支模型，所述第一分支模型用于检测所述待识别车辆上不同局部属性位置的局部车身颜色；所述至少两种属性信息包括所述不同局部属性位置的局部车身颜色；根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色。

【技术特征摘要】
1.一种车辆属性检测方法，其特征在于，所述方法包括：获取待识别车辆的车辆图像；将所述车辆图像输入预先训练的属性检测模型，得到所述待识别车辆的至少两种属性信息和每种属性信息在所述车辆图像中的位置信息；所述属性检测模型包括第一分支模型，所述第一分支模型用于检测所述待识别车辆上不同局部属性位置的局部车身颜色；所述至少两种属性信息包括所述不同局部属性位置的局部车身颜色；根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色。2.根据权利要求1所述的方法，其特征在于，所述根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色，包括：统计每种局部车身颜色的数量，所述局部车身颜色的数量指具有相同局部车身颜色的不同局部属性位置的数量；若存在一种局部车身颜色的数量大于其它局部车身颜色的数量，则将该局部车身颜色确定为所述待识别车辆的车辆颜色。3.根据权利要求1所述的方法，其特征在于，所述根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色，包括：获取所述待识别车辆的车辆类型；确定所述车辆类型对应的局部属性优先级；所述局部属性优先级用于指示所述车身局部属性位置的优先程度；将局部属性优先级最高的局部属性位置对应的局部车身颜色确定为所述待识别车辆的车辆颜色。4.根据权利要求3所述的方法，其特征在于，所述属性检测模型还包括第二分支模型，所述第二分支模型用于检测所述待识别车辆的车辆类型；所述至少两种属性信息包括所述待识别车辆的车辆类型；所述获取所述待识别车辆的车辆类型，包括：获取所述第二分支模型输出的所述待识别车辆的车辆类型。5.根据权利要求1所述的方法，其特征在于，所述根据所述不同局部属性位置的局部车身颜色确定所述待识别车辆的车辆颜色，包括：将所述不同局部属性位置的局部车身颜色按照预设的颜色优先级由高到低的顺序进行排序；所述颜色优先级用于指示局部车身颜色的优先程度；将颜色优先级最高的局部车身颜色确定为所述待识别车辆的车辆颜色。6.根据权利要求1所述的方法，其特征在于，所述属性检测模型还包括第三分支模型，所述第三分支模型用于检测所述待识别车辆的驾驶人员的驾驶状态和/或其它属性信息，所述至少两种属性信息包括所述驾驶状态和/或其它属性信息...

【专利技术属性】
技术研发人员：岳邦珊，邹文艺，晋兆龙，
申请(专利权)人：苏州市科远软件技术开发有限公司，苏州科达科技股份有限公司，
类型：发明
国别省市：江苏,32