车型识别方法、装置、电子设备及存储介质制造方法及图纸

本公开涉及图像处理技术领域，应用于智慧交通领域中，揭露了一种车型识别方法、装置、电子设备及存储介质，该车型识别方法包括：获取包含目标车辆的目标图像；调用特征提取网络提取所述目标图像的第一特征图矩阵；调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；调用区域生成网络对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵；基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵；基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果。本公开可以提高车型识别的准确率。

【技术实现步骤摘要】
车型识别方法、装置、电子设备及存储介质
本公开涉及图像处理
，尤其涉及一种车型识别方法、装置、电子设备及存储介质。
技术介绍
在交通管理相关的领域中，许多应用场景(例如：车流统计、安防追踪)会需要识别出车辆的型号。由于车型种类繁多，且许多车型之间从外形或者车标来看十分相似，因此只有在识别车型时保证提取出具有足够表达能力的图像特征才能高准确度地进行车型识别。而现有技术中，在识别车型时对于车辆的细节特征的提取能力不足，造成了所提取出的图像特征的表达能力存在一定程度的匮乏，从而导致车型识别的准确率无法进一步提高。
技术实现思路
本公开提供一种车型识别方法、装置、电子设备及存储介质，其主要目的在于提高车型识别的准确率。为实现上述目的，本公开提供的一种车型识别方法，包括：获取包含目标车辆的目标图像；调用特征提取网络提取所述目标图像的第一特征图矩阵；调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；调用区域生成网络对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵；基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵；基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果。可选地，所述特征提取网络为SpineNet网络。可选地，所述至少两个注意力网络包括第一注意力网络以及第二注意力网络，调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵，包括：将所述第一特征图矩阵输入所述第一注意力网络，并将所述第一注意力网络的输出输入第一卷积层，得到所述第一卷积层输出的第一卷积结果；将所述第一特征图矩阵输入所述第二注意力网络，并将所述第二注意力网络的输出输入第二卷积层，得到所述第二卷积层输出的第二卷积结果；将所述第一卷积结果与所述第二卷积结果进行求和，得到所述第二特征图矩阵。可选地，所述第一注意力网络为Channel注意力网络，所述第二注意力网络为Spatial注意力网络。可选地，对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵，包括：对所述第二特征图矩阵进行回归处理，得到各第一候选框的坐标矩阵；对所述第二特征图矩阵进行分类处理，得到所述各第一候选框的类别矩阵；基于所述坐标矩阵以及所述类别矩阵对所述各第一候选框进行非极大值抑制处理，得到筛选出的各第二候选框；基于所述各第二候选框对所述第二特征图矩阵进行切割处理，得到所述各候选框特征图矩阵。可选地，基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵，包括：将所述各候选框特征图矩阵分别处理为预设大小的块，得到大小一致的各候选框特征图矩阵；对所述大小一致的各候选框特征图矩阵分别进行像素点采样，得到像素点采样后的各候选框特征图矩阵；对所述像素点采样后的各候选框特征图矩阵进行池化处理，得到所述目标框特征图矩阵。可选地，基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果，包括：对所述目标框特征图矩阵进行回归处理，得到所述目标图像中各车辆的车辆检测框；对所述目标框特征图矩阵进行分类处理，得到所述目标图像中各车辆的车型识别结果；基于所述目标图像中各车辆的车辆检测框以及所述目标图像中各车辆的车型识别结果，确定所述目标车辆的车型识别结果。为了解决上述问题，本公开还提供一种车型识别装置，所述装置包括：获取模块，配置为获取包含目标车辆的目标图像；特征提取模块，配置为调用特征提取网络提取所述目标图像的第一特征图矩阵；注意力模块，配置为调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；区域生成模块，配置为调用区域生成网络对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵；池化模块，配置为基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵；分类模块，配置为基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果。为了解决上述问题，本公开还提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现上述所述的车型识别方法。为了解决上述问题，本公开还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的车型识别方法。本公开实施例通过在提取出目标图像的第一特征图矩阵后，采用包含多个注意力网络的融合注意力网络采用多种注意力机制对第一特征图矩阵进行进一步的处理，使得得到的第二特征图矩阵所包含的特征信息更加集中地关注车辆的细节特征，提高了对特征信息的表达能力。从而使得以第二特征图矩阵为基础所处理得到的车型识别结果更加准确，可应用于智慧交通领域中，提高车型识别的准确率，从而推动智慧城市的建设。附图说明图1为本公开一实施例提供的车型识别方法的流程示意图。图2为本公开一实施例提供的融合注意力网络的处理逻辑示意图。图3为本公开一实施例提供的区域生成网络的处理逻辑示意图。图4为本公开一实施例提供的车型识别装置的模块示意图。图5为本公开一实施例提供的实现车型识别方法的电子设备的内部结构示意图。本公开目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本公开，并不用于限定本公开。本公开提供一种车型识别方法。参照图1所示，为本公开一实施例提供的车型识别方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。在本实施例中，车型识别方法包括：步骤S1、获取包含目标车辆的目标图像；步骤S2、调用特征提取网络提取所述目标图像的第一特征图矩阵；步骤S3、调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；步骤S4、调用区域生成网络对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵；步骤S5、基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵；步骤S6、基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果。本公开实施例中，获取包含目标车辆的目标图像，以根据对该目标图像的处理识别出该目标车辆的车型。具体的，在智能交通的应用中可以从路况摄像头的监控视频截取包含目标车辆的目标图像。在一实施例中，在获取包含目标车辆的目标图像后，该方法还包括：将该目标图像的尺寸大小调整为预设图像尺寸。该实施例中，针对待从中识别车型的图像预设有统一的图像尺寸。获取到的目标图本文档来自技高网...

【技术保护点】
1.一种车型识别方法，其特征在于，所述方法包括：/n获取包含目标车辆的目标图像；/n调用特征提取网络提取所述目标图像的第一特征图矩阵；/n调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；/n调用区域生成网络对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵；/n基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵；/n基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果。/n

【技术特征摘要】
1.一种车型识别方法，其特征在于，所述方法包括：
获取包含目标车辆的目标图像；
调用特征提取网络提取所述目标图像的第一特征图矩阵；
调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵；
调用区域生成网络对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵；
基于对所述各候选框特征图矩阵进行的池化处理，得到目标框特征图矩阵；
基于对所述目标框特征图矩阵进行的分类处理，得到所述目标车辆的车型识别结果。


2.如权利要求1所述的方法，其特征在于，所述特征提取网络为SpineNet网络。


3.如权利要求2所述的方法，其特征在于，所述至少两个注意力网络包括第一注意力网络以及第二注意力网络，调用包含至少两个注意力网络的融合注意力网络对所述第一特征图矩阵进行处理，得到所述目标图像的第二特征图矩阵，包括：
将所述第一特征图矩阵输入所述第一注意力网络，并将所述第一注意力网络的输出输入第一卷积层，得到所述第一卷积层输出的第一卷积结果；
将所述第一特征图矩阵输入所述第二注意力网络，并将所述第二注意力网络的输出输入第二卷积层，得到所述第二卷积层输出的第二卷积结果；
将所述第一卷积结果与所述第二卷积结果进行求和，得到所述第二特征图矩阵。


4.如权利要求3所述的方法，其特征在于，所述第一注意力网络为Channel注意力网络，所述第二注意力网络为Spatial注意力网络。


5.如权利要求1所述的方法，其特征在于，对所述第二特征图矩阵进行处理，得到各候选框特征图矩阵，包括：
对所述第二特征图矩阵进行回归处理，得到各第一候选框的坐标矩阵；
对所述第二特征图矩阵进行分类处理，得到所述各第一候选框的类别矩阵；
基于所述坐标矩阵以及所述类别矩阵对所述各第一候选框进行非极大值抑制处理，得到筛选出的各第二候选框；
基于所述各第二候选框对所述第二特征图矩阵进行切割处理，得到所述各候选框特征图矩阵。


6.如权利要求1所述的方法，其特征在于，基于...

【专利技术属性】
技术研发人员：吴晓东，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44