【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...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。