一种车辆精准定位与识别方法及系统技术方案

本发明专利技术公开了一种车辆精准定位与识别方法及系统，包括：获取实时视频信息；根据获取的视频信息实时检测目标车辆；对视频信息的连续帧场景中检测到的车辆进行处理，在目标车辆漏检时，获取目标车辆；通过对实时检测的目标车辆与在目标车辆漏检时获取的目标车辆利用卷积神经网络确定目标车辆的精细类别和车辆的特征点位置信息。优点：本发明专利技术拥有高的车辆召回、精细的车型分类，精准的车辆定位；同时控制每个步骤或者模块的计算复杂度，满足应用需求；完成对车载ADAS场景中车辆的精准定位与识别。别。别。

【技术实现步骤摘要】
一种车辆精准定位与识别方法及系统


[0001]本专利技术涉及一种车辆精准定位与识别方法及系统，属于车辆精准定位和识别


技术介绍

[0002]车辆的识别与定位是车辆辅助驾驶系统中重要的组成部分，并且依旧存在车辆漏检、车型分类和车辆回归不够细致这几点问题。如何有效提升车辆的检测率，同时精细化车型的分类和特征点定位，是车辆辅助驾驶系统的重要研究方向。

技术实现思路

[0003]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种车辆精准定位与识别方法及系统。
[0004]为解决上述技术问题，本专利技术提供一种车辆精准定位与识别方法，包括：
[0005]获取实时视频信息；
[0006]根据获取的视频信息实时检测目标车辆；
[0007]对视频信息的连续帧场景中检测到的车辆进行处理，在目标车辆漏检时，获取目标车辆；
[0008]通过对实时检测的目标车辆与在目标车辆漏检时获取的目标车辆利用卷积神经网络确定目标车辆的精细类别和车辆的特征点位置信息。
[0009]进一步的，所述根据获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆精准定位与识别方法，其特征在于，包括：获取实时视频信息；根据获取的视频信息实时检测目标车辆；对视频信息的连续帧场景中检测到的车辆进行处理，在目标车辆漏检时，获取目标车辆；通过对实时检测的目标车辆与在目标车辆漏检时获取的目标车辆利用卷积神经网络确定目标车辆的精细类别和车辆的特征点位置信息。2.根据权利要求1所述的车辆精准定位与识别方法，其特征在于，所述根据获取的视频信息实时检测目标车辆的过程包括：采用DenseBox框架，将获取的视频信息的图像进行裁剪缩放后输入网络得到目标车辆的特征信息，所述目标车辆的特征信息包括浅层和深层车辆特征，利用BiFPN对浅层和深层车辆特征进行融合，并且使用融合后的特征对图像中的车辆位置进行检测。3.根据权利要求1所述的车辆精准定位与识别方法，其特征在于，所述对视频信息的连续帧场景中检测到的车辆进行处理，在目标车辆漏检时，获取目标车辆的过程包括：对上一帧检测到的目标车辆的位置进行处理，裁剪出包含目标车辆的图像块输入到跟踪网络的target输入端，同时裁剪出当前帧图像中的对应位置，作为目标车辆的搜索区域，输入到跟踪网络的image输入端，跟踪网络的输出是目标车辆在当前帧中的坐标信息，确定目标车辆。4.根据权利要求1所述的车辆精准定位与识别方法，其特征在于，所述通过对实时检测的目标车辆与在目标车辆漏检时获取的目标车辆利用卷积神经网络确定目标车辆的精细类别和车辆的特征点位置信息的过程包括：对实时检测的目标车辆与在目标车辆漏检时获取的目标车辆的模糊位置坐标进行处理，裁剪出包含目标车辆的图像块，然后调整到80
×
80输入到卷积神经网络当中，卷积神经网络的输出有outcls,outreg6p,outreg4p这3个分支，其中outcls 输出车辆的类别信息，判断该目标车辆属于哪一种车型，outreg6p输出常见车型的6个特征点的坐标信息，outreg4p输出特殊车型的4个特征点的坐标信息。5.根据权利要求4所述的车辆精准定位与识别方法，其特征在于，所述车型的类别设有13类，其中第1～9类为常规车型，第10～13类为特殊车型；所述常规车型包括：类别1：大巴车、公交车；类别2：小轿车、SUV；类别3：面包车；类别4：斗卡、渣土车；类别5：箱卡；类别6：依维柯；类别7：油罐车、晒水车；类别8：水泥罐车；类别9：皮卡；所述特殊车型包括：类别10：平板拖车；类别11：市政车；类别12：垃圾车；类别13：工程车。6.一种车辆精准定位与识别...

【专利技术属性】
技术研发人员：季思文，刘国清，朱晓东，
申请(专利权)人：南京佑驾科技有限公司，
类型：发明
国别省市：