车辆品牌的标注方法、装置及系统制造方法及图纸

本发明专利技术提供了一种车辆品牌的标注方法、装置及系统，涉及图像处理技术领域，该方法包括：获取包含有车辆的关键区域的待标注图像；将待标注图像输入至预先训练好的神经网络模型进行车辆主品牌的识别与标注；其中，神经网络模型为基于已标注车辆主品牌的车辆训练图像训练得到的；获取识别出的车辆的主品牌对应的子品牌图像集；基于子品牌图像集对待标注图像进行子品牌识别，得到车辆的子品牌；在待标注图像中标注车辆的子品牌。本发明专利技术能够有效提升车辆品牌的标注效率。

Marking method, device and system of vehicle brand

【技术实现步骤摘要】
车辆品牌的标注方法、装置及系统
本专利技术涉及图像处理
，尤其是涉及一种车辆品牌的标注方法、装置及系统。
技术介绍
车辆品牌的识别对于从图像或视频中检索目标车辆具有重要意义。为了自动识别车辆品牌，需要依赖于大量标注有车辆品牌的数据。当前对于车辆品牌的标注，尤其是对于精确到车辆子品牌或年款的车辆品牌的标注，主要是由专业的标注人员对识别出的车辆品牌进行标注；其中，标注人员需要较长时间地整理和积累车辆品牌知识。这种依靠人工的标注方式需要耗费大量的人力，时效性较差，标注效率较低。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种车辆品牌的标注方法、装置及系统，能够有效提升车辆品牌的标注效率。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种车辆品牌的标注方法，所述方法包括：获取包含有车辆的关键区域的待标注图像；将所述待标注图像输入至预先训练好的神经网络模型进行车辆主品牌的识别与标注；其中，所述神经网络模型为基于已标注车辆主品牌的车辆训练图像训练得到的；获取识别出的所述车辆的主品牌对应的子品牌图像集；基于所述子品牌图像集对所述待标注图像进行子品牌识别，得到所述车辆的子品牌；在所述待标注图像中标注所述车辆的子品牌。进一步，所述获取包含有车辆的关键区域的待标注图像的步骤，包括：获取包含有车辆的原始图像；检测所述原始图像中是否存在预设的关键区域；所述关键区域包括车灯区域、车标志区域、轮毂区域和隔栅区域中的至少一种；如果存在，按照清晰度因素和/或畸变因素对所述关键区域进行质量评分；当质量评分高于预设的评分阈值时，将所述原始图像确定为待标注图像。进一步，所述子品牌图像集为多个，且不同的所述子品牌图像集对应于不同的车辆部位；所述基于所述子品牌图像集对所述待标注图像中进行子品牌识别，得到所述车辆的子品牌的步骤，包括：获取所述待标注图像中各所述关键区域的质量评分；确定质量评分最高的所述关键区域所包含的第一车辆部位；根据确定的所述第一车辆部位从多个所述子品牌图像集中选取第一目标子品牌图像集；通过比对所述待标注图像和所述第一目标子品牌图像集，确定所述车辆的子品牌。进一步，所述子品牌图像集为多个，且不同的所述子品牌图像集对应于不同的车辆部位；所述基于所述子品牌图像集对所述待标注图像中进行子品牌识别，得到所述车辆的子品牌的步骤，包括：确定所述待标注图像中各所述关键区域所包含的第二车辆部位；根据确定的所述第二车辆部位从多个所述子品牌图像集中选取与各所述关键区域对应的第二目标子品牌图像集；针对所述待标注图像中的每个所述关键区域，计算该关键区域与该关键区域对应的第二目标子品牌图像集的第一匹配度，根据所述第一匹配度确定该关键区域的初始子品牌；判断不同的所述关键区域对应的所述初始子品牌是否相同；如果相同，将所述初始子品牌确定为所述车辆的子品牌；如果不相同，将所述第一匹配度中的最大匹配度对应的所述初始子品牌确定为所述车辆的子品牌。进一步，所述第二目标子品牌图像集中存储有标注车辆子品牌的参考图像；所述计算该关键区域与该关键区域对应的第二目标子品牌图像集的第一匹配度，根据所述第一匹配度确定该关键区域的初始子品牌的步骤，包括：通过预设的关键点检测模型对该关键区域进行关键点检测，得到该关键区域的第一关键点信息；获取该关键区域对应的第二目标子品牌图像集中各参考图像预设的第二关键点信息；通过比对所述第一关键点信息和各所述参考图像的所述第二关键点信息，得到该关键区域与各所述参考图像的第二匹配度；将所述第二匹配度中的最大匹配度确定为该关键区域与该关键区域对应的第二目标子品牌图像集的第一匹配度；获取所述第一匹配度对应的所述参考图像标注的车辆子品牌，并将获取的车辆子品牌确定为该关键区域的初始子品牌。进一步，所述将所述待标注图像输入至预先训练好的神经网络模型进行车辆主品牌的识别与标注的步骤，包括：将所述待标注图像输入至预先训练好的神经网络模型进行车辆主品牌的识别，得到初始主品牌；获取针对所述初始主品牌的判别操作；如果所述判别操作为确定所述初始主品牌为正确的操作，根据所述初始主品牌在所述待标注图像中标注所述车辆的主品牌；如果所述判别操作为确定所述初始主品牌为错误的操作，响应于针对所述初始主品牌的修正操作，获取所述修正操作对应的修正后主品牌；根据所述修正后主品牌在所述待标注图像中标注所述车辆的主品牌。进一步，所述神经网络模型的训练过程包括：向当前训练的神经网络模型输入多张已标注车辆主品牌的车辆训练图像；其中，设定所述车辆训练图像已标注的车辆主品牌为基准主品牌；通过当前训练的神经网络模型对所述车辆训练图像进行识别，得到所述车辆训练图像的预测主品牌；计算所述车辆训练图像对应的预测主品牌和基准主品牌之间的损失函数值；其中，所述损失函数值用于对所述车辆训练图像的主品牌识别准确性进行评估；根据所述损失函数值，通过反向传播算法对所述当前训练的神经网络模型的参数进行调整，直至所述损失函数值收敛至预设值时结束训练。第二方面，本专利技术实施例还提供一种车辆品牌的标注装置，所述装置包括：图像获取模块，用于获取包含有车辆的关键区域的待标注图像；主品牌标注模块，用于将所述待标注图像输入至预先训练好的神经网络模型进行车辆主品牌的识别与标注；其中，所述神经网络模型为基于已标注车辆主品牌的车辆训练图像训练得到的；子品牌图像获取模块，用于获取识别出的所述车辆的主品牌对应的子品牌图像集；子品牌识别模块，用于基于所述子品牌图像集对所述待标注图像进行子品牌识别，得到所述车辆的子品牌；子品牌标注模块，用于在所述待标注图像中标注所述车辆的子品牌。第三方面，本专利技术实施例提供了一种车辆品牌的标注系统，所述系统包括：图像采集装置、处理器和存储装置；所述图像采集装置，用于采集待标注图像；所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如第一方面任一项所述的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面任一项所述的方法的步骤。本专利技术实施例提供了一种车辆品牌的标注方法、装置及系统，首先将获取的待标注图像输入至预先训练好的神经网络模型进行车辆主品牌的识别与标注；然后获取识别出的车辆的主品牌对应的子品牌图像集，并基于子品牌图像集对待标注图像进行子品牌识别，得到车辆的子品牌；最后在待标注图像中标注车辆的子品牌。相对于现有依靠人工的标注方式，本实施例提供的上述方式通过利用神经网络模型识别待标注图像的车辆主品牌，能够有效降低人力需求并提升主品牌的标注效率；子品牌图像集能够较好地满足细颗粒度下的车辆品牌快速识别；综合上述由主品牌到子品牌的识别过程，极大地提升了车辆品牌的标注效率。本专利技术的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如本文档来自技高网...

【技术保护点】
1.一种车辆品牌的标注方法，其特征在于，所述方法包括：/n获取包含有车辆的关键区域的待标注图像；/n将所述待标注图像输入至预先训练好的神经网络模型进行车辆主品牌的识别与标注；其中，所述神经网络模型为基于已标注车辆主品牌的车辆训练图像训练得到的；/n获取识别出的所述车辆的主品牌对应的子品牌图像集；/n基于所述子品牌图像集对所述待标注图像进行子品牌识别，得到所述车辆的子品牌；/n在所述待标注图像中标注所述车辆的子品牌。/n

【技术特征摘要】
1.一种车辆品牌的标注方法，其特征在于，所述方法包括：
获取包含有车辆的关键区域的待标注图像；
将所述待标注图像输入至预先训练好的神经网络模型进行车辆主品牌的识别与标注；其中，所述神经网络模型为基于已标注车辆主品牌的车辆训练图像训练得到的；
获取识别出的所述车辆的主品牌对应的子品牌图像集；
基于所述子品牌图像集对所述待标注图像进行子品牌识别，得到所述车辆的子品牌；
在所述待标注图像中标注所述车辆的子品牌。


2.根据权利要求1所述的方法，其特征在于，所述获取包含有车辆的关键区域的待标注图像的步骤，包括：
获取包含有车辆的原始图像；
检测所述原始图像中是否存在预设的关键区域；所述关键区域包括车灯区域、车标志区域、轮毂区域和隔栅区域中的至少一种；
如果存在，按照清晰度因素和/或畸变因素对所述关键区域进行质量评分；
当质量评分高于预设的评分阈值时，将所述原始图像确定为待标注图像。


3.根据权利要求1所述的方法，其特征在于，所述子品牌图像集为多个，且不同的所述子品牌图像集对应于不同的车辆部位；
所述基于所述子品牌图像集对所述待标注图像中进行子品牌识别，得到所述车辆的子品牌的步骤，包括：
获取所述待标注图像中各所述关键区域的质量评分；
确定质量评分最高的所述关键区域所包含的第一车辆部位；
根据确定的所述第一车辆部位从多个所述子品牌图像集中选取第一目标子品牌图像集；
通过比对所述待标注图像和所述第一目标子品牌图像集，确定所述车辆的子品牌。


4.根据权利要求1所述的方法，其特征在于，所述子品牌图像集为多个，且不同的所述子品牌图像集对应于不同的车辆部位；
所述基于所述子品牌图像集对所述待标注图像中进行子品牌识别，得到所述车辆的子品牌的步骤，包括：
确定所述待标注图像中各所述关键区域所包含的第二车辆部位；
根据确定的所述第二车辆部位从多个所述子品牌图像集中选取与各所述关键区域对应的第二目标子品牌图像集；
针对所述待标注图像中的每个所述关键区域，计算该关键区域与该关键区域对应的第二目标子品牌图像集的第一匹配度，根据所述第一匹配度确定该关键区域的初始子品牌；
判断不同的所述关键区域对应的所述初始子品牌是否相同；
如果相同，将所述初始子品牌确定为所述车辆的子品牌；
如果不相同，将所述第一匹配度中的最大匹配度对应的所述初始子品牌确定为所述车辆的子品牌。


5.根据权利要求4所述的方法，其特征在于，所述第二目标子品牌图像集中存储有标注车辆子品牌的参考图像；
所述计算该关键区域与该关键区域对应的第二目标子品牌图像集的第一匹配度，根据所述第一匹配度确定该关键区域的初始子品牌的步骤，包括：
通过预设的关键点检测模型对该关键区域进行关键点检测，得到该关键区域的第一关键点信息；
获取该关键区域对应的第二目标子品牌图像集中各参考图像预设...

【专利技术属性】
技术研发人员：李亚栋，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11