车辆的识别方法、车辆识别模型的训练方法及相关装置制造方法及图纸

本申请公开了一种车辆的识别方法、车辆识别模型的训练方法及相关装置，其中，该车辆的识别方法包括：获取到带有车辆的图片；将图片输入到经训练的车辆识别模型，以对车辆进行分类；对将车辆分出的类型进行识别，并确定将车辆归类于危险车辆的置信度；如果将车辆归类于危险车辆的置信度小于预设阈值时，对图片进行危险品标检测，以在检测出图片包括危险品标时，确定车辆为危险车辆。通过上述方式，本申请通过将车辆类型的识别检测与危险品标检测级联配合的方式，能够更有效地实现对危险品车辆的高精度识别，且有效地提高了危险品车辆识别的准确率。

【技术实现步骤摘要】
车辆的识别方法、车辆识别模型的训练方法及相关装置
本申请涉及车辆识别
，尤其是涉及一种车辆的识别方法、车辆识别模型的训练方法及相关装置。
技术介绍
目前，随着人工智能技术的发展，智能交通已经得到了很大的普及，而其中的车辆识别在智能交通中发挥着重要作用，尤其是针对带有危险品的车辆进行的识别。其中，有效地识别出危险品车辆，不仅可以有效地执行交通限行，还可以有效预防危险品车辆所造成的潜在危险。但是，现有的车型识别系统都是针对通用车辆的，而并不专用于对危险品车辆进行识别，且因危险品运输车在一定程度上和大卡车，大货车等车辆相似度较高，从而导致对危险品运输车这类特殊车辆的识别效果均较差。
技术实现思路
本申请主要解决的技术问题是提供一种车辆的识别方法、车辆识别模型的训练方法及相关装置，该车辆的识别方法能够解决现有技术中的车型识别系统，无法有效地对危险品运输车进行精准识别的问题。为解决上述技术问题，本申请采用的第一个技术方案是：提供一种车辆的识别方法，其中，该车辆的识别方法包括：获取到带有车辆的图片；将图片输入到经训练的车辆识别模型，以对车辆进行分类；对将车辆分出的类型进行识别，并确定将车辆归类于危险车辆的置信度；如果置信度小于预设阈值时，对图片进行危险品标检测，以在检测出图片包括危险品标时，确定车辆为危险车辆。其中，将图片输入到经训练的车辆识别模型，以对车辆进行分类的步骤包括：将图片输入到经训练的车辆识别模型；通过车辆识别模型对图片进行特征提取，以获取到图片的特征图；根据特征图对车辆进行分类。其中，通过车辆识别模型对图片进行特征提取，以获取到图片的特征图的步骤包括：通过车辆识别模型的第一卷积核对图片进行卷积运算，以获取到图片的初始特征图；将初始特征图划分为设定数量的特征子集，以通过设定函数依次对每一特征子集进行运算，以获取到设定数量的特征子图；对设定数量的特征子图进行全连接，以获取到特征图。其中，将初始特征图划分为设定数量的特征子集，以通过设定函数依次对每一特征子集进行运算，以获取到设定数量的特征子图的步骤包括：将初始特征图划分为设定数量的特征子集；如果特征子集的设定数量大于2时，将第一特征子集输出为第一特征子图，将第二特征子集与第二卷积核相乘以得到第二特征子图，并依次将此次获取到的特征子图与下一特征子集叠加之后与其对应的卷积核相乘，以得到每一特征子集对应的特征子图。其中，通过车辆识别模型对图片进行特征提取，以获取到图片的特征图的步骤之后，根据特征图对车辆进行分类的步骤之前，还包括：通过注意力机制对特征图进行重标定，以获取到重标定的特征图；根据特征图对车辆进行分类的步骤包括：根据重标定的特征图对车辆进行分类。其中，通过注意力机制对特征图进行重标定，以获取到重标定的特征图的步骤包括：对特征图进行全局平均池化，并通过权重值对池化后的特征图进行第一全连接运算后与第一激活函数相乘，以在进一步进行第二全连接运算后与第二激活函数相乘，从而获取到特征图中每一特征通道的归一化权重；将归一化权重与其对应的特征图中每一特征通道相乘，以获取到重标定的特征图。其中，如果置信度小于预设阈值，对图片进行危险品标检测，以在检测出图片包括危险品标时，确定车辆为危险车辆的步骤包括：如果置信度小于预设阈值，对图片中车辆的车头所在区域进行检测，以确定车窗所在区域；对车窗所在区域进行填充处理，并判断填充处理后的图片是否包括危险品标；如果填充处理后的图片包括危险品标，确定车辆为危险车辆。为解决上述技术问题，本申请采用的又一个技术方案是：提供一种车辆识别模型的训练方法，其中，该车辆识别模型的训练方法包括：将已标注的带有车辆的图片输入到初始检测模型中；其中，图片为对车辆是否为危险车辆的类型进行标注的图片；通过初始检测模型对图片进行预测，得到车辆的类型的预测结果；根据预测结果以及图片中车辆的标注类型对车辆识别模型进行训练，并将训练完成后的模型确定为车辆识别模型。为解决上述技术问题，本申请采用的又一个技术方案是：提供一种智能终端，其中，该智能终端包括相互耦接的存储器和处理器；存储器存储有程序数据；处理器用于执行程序数据，以实现如上任一项所述的车辆的识别方法。为解决上述技术问题，本申请采用的又一个技术方案是：提供一种计算机可读存储介质，其中，该计算机可读存储介质存储有程序数据，程序数据能够被执行以实现如上任一项所述的车辆的识别方法。本申请的有益效果是：区别于现有技术，本申请中的车辆的识别方法包括：获取到带有车辆的图片；将图片输入到经训练的车辆识别模型，以对车辆进行分类；对将车辆分出的类型进行识别，并确定将车辆归类于危险车辆的置信度；如果将车辆归类于危险车辆的置信度小于预设阈值时，对图片进行危险品标检测，以在检测出图片包括危险品标时，确定车辆为危险车辆。通过上述方式，本申请通过将车辆类型的标注检测与危险品标检测级联配合的方式，能够更有效地实现对危险品车辆的高精度识别，且有效地提高了危险品车辆识别的准确率。附图说明图1是本申请车辆的识别方法第一实施例的流程示意图；图2是本申请车辆识别模型的训练方法一实施例的流程示意图；图3是本申请车辆的识别方法第二实施例的流程示意图；图4是本申请车辆的识别方法第三实施例的流程示意图；图5a是本申请车辆的识别方法第四实施例的流程示意图；图5b是图5a中的车辆的识别方法一具体应用场景的结构示意图；图6是本申请车辆的识别方法第五实施例的流程示意图；图7a是本申请车辆的识别方法第六实施例的流程示意图；图7b是图7a中的车辆的识别方法一具体应用场景的结构示意图；图8是本申请车辆的识别方法第七实施例的流程示意图；图9是本申请智能终端一实施例的结构示意图；图10是本申请计算机可读存储介质一实施例的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，均属于本申请保护的范围。请参阅图1，图1是本申请车辆的识别方法第一实施例的流程示意图。本实施例包括如下步骤：S11：获取到带有车辆的图片。在本实施例中，首先获取到带有车辆的图片，其具体可以是通过安装在目标交通路段的监控摄像头进行的实时监控拍摄来获取到相应的监控视频，并从该监控视频中提取出带有车辆的图片。S12：将图片输入到经训练的车辆识别模型，以对车辆进行分类。在本实施例中，在获取到带有车辆的图片后，将其输入到一经过训练的车辆识别模型中，以能够通过该车辆识别模型来对本次获取到的图片中的车辆进行分类。其中，该车辆识别模型可以集成到监控摄像头的处理芯片中，也可以集成到与该监控摄像头通讯连接的智能终端中，本申请对此不做限定。S13：对将车辆分出的类型进行本文档来自技高网...

【技术保护点】
1.一种车辆的识别方法，其特征在于，所述车辆的识别方法包括：/n获取到带有车辆的图片；/n将所述图片输入到经训练的车辆识别模型，以对所述车辆进行分类；/n对将所述车辆分出的类型进行识别，并确定将所述车辆归类于危险车辆的置信度；/n如果所述置信度小于预设阈值，对所述图片进行危险品标检测，以在检测出所述图片包括危险品标时，确定所述车辆为危险车辆。/n

【技术特征摘要】
1.一种车辆的识别方法，其特征在于，所述车辆的识别方法包括：
获取到带有车辆的图片；
将所述图片输入到经训练的车辆识别模型，以对所述车辆进行分类；
对将所述车辆分出的类型进行识别，并确定将所述车辆归类于危险车辆的置信度；
如果所述置信度小于预设阈值，对所述图片进行危险品标检测，以在检测出所述图片包括危险品标时，确定所述车辆为危险车辆。


2.根据权利要求1所述的车辆的识别方法，其特征在于，所述将所述图片输入到经训练的车辆识别模型，以对所述车辆进行分类的步骤包括：
将所述图片输入到经训练的所述车辆识别模型；
通过所述车辆识别模型对所述图片进行特征提取，以获取到所述图片的特征图；
根据所述特征图对所述车辆进行分类。


3.根据权利要求2所述的车辆的识别方法，其特征在于，所述通过所述车辆识别模型对所述图片进行特征提取，以获取到所述图片的特征图的步骤包括：
通过所述车辆识别模型的第一卷积核对所述图片进行卷积运算，以获取到所述图片的初始特征图；
将所述初始特征图划分为设定数量的特征子集，以通过设定函数依次对每一所述特征子集进行运算，以获取到设定数量的特征子图；
对设定数量的所述特征子图进行全连接，以获取到所述特征图。


4.根据权利要求3所述的车辆的识别方法，其特征在于，所述将所述初始特征图划分为设定数量的特征子集，以通过设定函数依次对每一所述特征子集进行运算，以获取到设定数量的特征子图的步骤包括：
将所述初始特征图划分为设定数量的所述特征子集；
如果所述特征子集的设定数量大于2时，将第一特征子集输出为第一特征子图，将第二特征子集与第二卷积核相乘以得到第二特征子图，并依次将此次获取到的特征子图与下一特征子集叠加之后与其对应的卷积核相乘，以得到每一特征子集对应的特征子图。


5.根据权利要求2所述的车辆的识别方法，其特征在于，所述通过所述车辆识别模型对所述图片进行特征提取，以获取到所述图片的特征图的步骤之后，所述根据所述特征图对所述车辆进行分类的步骤之前，还包括：
通过注意力机制对所述特征图进行重标定，以获取到重标定...

【专利技术属性】
技术研发人员：黄宇，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33