车型识别方法及终端技术

本发明专利技术公开了车型识别方法及终端，基于训练好的车型识别模型对待识别图像中的待识别车辆进行车型识别，在第一车型不超过第一阈值时从车型识别模型中获取相似度排在前N个的车型识别结果作为初步车型集合，获取初步车型集合中每一个车型所对应的3D车身模型，并进行真实场景的还原，得到初步车型集合中每一个车型所对应的三维车型模拟场景；之后控制每一个车型所对应的三维车型模拟场景中的模拟摄像头按照拍摄朝向信息进行拍摄，得到每一个车型的车辆场景模拟图像；然后重新训练一个车型识别子模型进行二次识别并输出。本发明专利技术能提高车型识别结果的准确度。

【技术实现步骤摘要】
车型识别方法及终端
本专利技术涉及车辆识别
，特别涉及车型识别方法及终端。
技术介绍
车型识别属于计算机视觉中细粒度分类的问题，也是智能交通监控系统的一个重要研究方向。它需要对监控画面中的车辆实现具体到车辆厂商、车系等精细类别的自动分析和识别。其中最可靠有效的方法就是车辆图像里包括清晰完整的车身图像，比如很多车辆的尾部有车辆厂商的标记、车系的标记以及车牌等等重要车辆信息，如果能得到诸如上述重要车辆信息则可以快速且准确的识别出车型。目前，实现车型识别的算法基本上是基于深度学习的深度卷积神经网络，但是深度学习的准确度往往和训练数据的多少、标注准确度息息相关，且不说汽车厂商和车系已有成千上万，不同车型的车辆在不同应用场景下的图片更是不计其数，作为训练数据无法涵盖也没有时间精力去涵盖所有车型在不同应用场景下的车辆图像，因此，现有对于深度学习的车型识别往往在算法模型的具体实现上作改进，以期望能达到更高的识别准确度。但是，在实际应用场景中，应用场景复杂程度是无法完全估计的，车辆图像中也往往不是清晰完整的车身图像，比如没有重要车辆信息，甚至车身部分都是不完整，这给车型识别带来了极大的困难，影响了车型识别的准确性。
技术实现思路
本专利技术所要解决的技术问题是：提供车型识别方法及终端，以提高车型识别的准确性。为了解决上述技术问题，本专利技术采用的技术方案为：车型识别方法，包括以下步骤：S1、基于训练好的车型识别模型对待识别图像中的待识别车辆进行车型识别，得到第一车型，判断所述第一车型在所述车型识别模型中所得到的相似度是否超过第一阈值，若是，则将所述第一车型作为所述待识别车辆图像的车型结果进行输出，否则执行步骤S2，所述车型识别模型为深度卷积神经网络模型；S2、从所述车型识别模型中获取相似度排在前N个的车型识别结果作为初步车型集合，获取所述初步车型集合中每一个车型所对应的3D车身模型，所述N为大于或等于2的正整数；S3、获取实时拍摄场景所对应的三维初始模拟场景和当前环境参数，根据所述待识别图像确定所述待识别车辆在所述实时拍摄场景的具体位置，得到车辆位置，所述实时拍摄场景为所述待识别车辆所在的实际场景，所述当前环境参数包括当前光照强度、当前光照位置和当前能见度；S4、根据所述当前环境参数和所述待识别图像中除所述待识别车辆之外的图像环境信息在所述三维初始模拟场景中模拟出与所述实时拍摄场景相对应的环境，得到三维环境模拟场景，将所述初步车型集合中每一个车型所对应的3D车身模型分别放置于所述三维环境模拟场景中的车辆位置上，得到所述初步车型集合中每一个车型所对应的三维车型模拟场景；S5、获取拍摄所述待识别图像的第一摄像头在所述实时拍摄场景的拍摄位置信息和拍摄朝向信息，在所述初步车型集合中每一个车型所对应的三维车型模拟场景中对应的拍摄位置信息上生成模拟摄像头，控制所述初步车型集合中每一个车型所对应的三维车型模拟场景中的所述模拟摄像头按照所述拍摄朝向信息进行拍摄，得到所述初步车型集合中每一个车型的车辆场景模拟图像；S6、将所述初步车型集合中每一个车型的原始训练图像和对应的所述车辆场景模拟图像作为新的训练数据去训练生成一个车型识别子模型，基于训练好的车型识别子模型对所述待识别图像中的所述待识别车辆进行车型识别，得到第二车型，将所述第二车型作为所述待识别车辆图像的车型结果进行输出，所述第二车型为所述初步车型集合中的其中一个车型。为了解决上述技术问题，本专利技术采用的另一种技术方案为：车型识别终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的车型识别方法。本专利技术的有益效果在于：车型识别方法及终端，基于训练好的车型识别模型对待识别图像中的待识别车辆进行车型识别，以输出车型识别效果。此时，若输出的车型结果的相似度没有超过第一阈值，则认为并不是很确定为该车型。由此，选取相似度排在前N个的车型识别结果来建立3D车身模型，并根据三维初始模拟场景和当前环境参数得到三维环境模拟场景，将初步车型集合中每一个车型所对应的3D车身模型分别放置于三维环境模拟场景中的车辆位置上，得到初步车型集合中每一个车型所对应的三维车型模拟场景，之后对相似车型的车辆进行模拟拍摄，得到每一个车型在同一场景下同一拍照条件下的车辆场景模拟图像，然后作为新的训练数据去训练生成一个车型识别子模型，来得到最后的车型识别结果。由此，对于超过第一阈值的车型结果其准确度高，而对于准确度不高的车型结果进行二次识别，由于将非常多的车型缩小成几个车型，使得二次识别的模型只针对于这几种车型进行训练，其针对性强且训练量小，从而能够快速得到一个较为准确的区别这几种车型的车型识别子模型，以保证二次识别的准确性，以进一步提高车型识别结果的准确度。附图说明图1为本专利技术实施例的车型识别方法的流程示意图；图2为本专利技术实施例的车型识别终端的结构示意图。标号说明：1、车型识别终端；2、处理器；3、存储器。具体实施方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。请参照图1，车型识别方法，包括以下步骤：S1、基于训练好的车型识别模型对待识别图像中的待识别车辆进行车型识别，得到第一车型，判断所述第一车型在所述车型识别模型中所得到的相似度是否超过第一阈值，若是，则将所述第一车型作为所述待识别车辆图像的车型结果进行输出，否则执行步骤S2，所述车型识别模型为深度卷积神经网络模型；S2、从所述车型识别模型中获取相似度排在前N个的车型识别结果作为初步车型集合，获取所述初步车型集合中每一个车型所对应的3D车身模型，所述N为大于或等于2的正整数；S3、获取实时拍摄场景所对应的三维初始模拟场景和当前环境参数，根据所述待识别图像确定所述待识别车辆在所述实时拍摄场景的具体位置，得到车辆位置，所述实时拍摄场景为所述待识别车辆所在的实际场景，所述当前环境参数包括当前光照强度、当前光照位置和当前能见度；S4、根据所述当前环境参数和所述待识别图像中除所述待识别车辆之外的图像环境信息在所述三维初始模拟场景中模拟出与所述实时拍摄场景相对应的环境，得到三维环境模拟场景，将所述初步车型集合中每一个车型所对应的3D车身模型分别放置于所述三维环境模拟场景中的车辆位置上，得到所述初步车型集合中每一个车型所对应的三维车型模拟场景；S5、获取拍摄所述待识别图像的第一摄像头在所述实时拍摄场景的拍摄位置信息和拍摄朝向信息，在所述初步车型集合中每一个车型所对应的三维车型模拟场景中对应的拍摄位置信息上生成模拟摄像头，控制所述初步车型集合中每一个车型所对应的三维车型模拟场景中的所述模拟摄像头按照所述拍摄朝向信息进行拍摄，得到所述初步车型集合中每一个车型的车辆场景模拟图像；S6、将所述初步车型集合中每一个车型的原始训练图像和对应的所述车辆场景模拟图像作为新的训练数据去训练生成一个车型识别子模型，本文档来自技高网...

【技术保护点】
1.车型识别方法，其特征在于，包括以下步骤：/nS1、基于训练好的车型识别模型对待识别图像中的待识别车辆进行车型识别，得到第一车型，判断所述第一车型在所述车型识别模型中所得到的相似度是否超过第一阈值，若是，则将所述第一车型作为所述待识别车辆图像的车型结果进行输出，否则执行步骤S2，所述车型识别模型为深度卷积神经网络模型；/nS2、从所述车型识别模型中获取相似度排在前N个的车型识别结果作为初步车型集合，获取所述初步车型集合中每一个车型所对应的3D车身模型，所述N为大于或等于2的正整数；/nS3、获取实时拍摄场景所对应的三维初始模拟场景和当前环境参数，根据所述待识别图像确定所述待识别车辆在所述实时拍摄场景的具体位置，得到车辆位置，所述实时拍摄场景为所述待识别车辆所在的实际场景，所述当前环境参数包括当前光照强度、当前光照位置和当前能见度；/nS4、根据所述当前环境参数和所述待识别图像中除所述待识别车辆之外的图像环境信息在所述三维初始模拟场景中模拟出与所述实时拍摄场景相对应的环境，得到三维环境模拟场景，将所述初步车型集合中每一个车型所对应的3D车身模型分别放置于所述三维环境模拟场景中的车辆位置上，得到所述初步车型集合中每一个车型所对应的三维车型模拟场景；/nS5、获取拍摄所述待识别图像的第一摄像头在所述实时拍摄场景的拍摄位置信息和拍摄朝向信息，在所述初步车型集合中每一个车型所对应的三维车型模拟场景中对应的拍摄位置信息上生成模拟摄像头，控制所述初步车型集合中每一个车型所对应的三维车型模拟场景中的所述模拟摄像头按照所述拍摄朝向信息进行拍摄，得到所述初步车型集合中每一个车型的车辆场景模拟图像；/nS6、将所述初步车型集合中每一个车型的原始训练图像和对应的所述车辆场景模拟图像作为新的训练数据去训练生成一个车型识别子模型，基于训练好的车型识别子模型对所述待识别图像中的所述待识别车辆进行车型识别，得到第二车型，将所述第二车型作为所述待识别车辆图像的车型结果进行输出，所述第二车型为所述初步车型集合中的其中一个车型。/n...

【技术特征摘要】
1.车型识别方法，其特征在于，包括以下步骤：
S1、基于训练好的车型识别模型对待识别图像中的待识别车辆进行车型识别，得到第一车型，判断所述第一车型在所述车型识别模型中所得到的相似度是否超过第一阈值，若是，则将所述第一车型作为所述待识别车辆图像的车型结果进行输出，否则执行步骤S2，所述车型识别模型为深度卷积神经网络模型；
S2、从所述车型识别模型中获取相似度排在前N个的车型识别结果作为初步车型集合，获取所述初步车型集合中每一个车型所对应的3D车身模型，所述N为大于或等于2的正整数；
S3、获取实时拍摄场景所对应的三维初始模拟场景和当前环境参数，根据所述待识别图像确定所述待识别车辆在所述实时拍摄场景的具体位置，得到车辆位置，所述实时拍摄场景为所述待识别车辆所在的实际场景，所述当前环境参数包括当前光照强度、当前光照位置和当前能见度；
S4、根据所述当前环境参数和所述待识别图像中除所述待识别车辆之外的图像环境信息在所述三维初始模拟场景中模拟出与所述实时拍摄场景相对应的环境，得到三维环境模拟场景，将所述初步车型集合中每一个车型所对应的3D车身模型分别放置于所述三维环境模拟场景中的车辆位置上，得到所述初步车型集合中每一个车型所对应的三维车型模拟场景；
S5、获取拍摄所述待识别图像的第一摄像头在所述实时拍摄场景的拍摄位置信息和拍摄朝向信息，在所述初步车型集合中每一个车型所对应的三维车型模拟场景中对应的拍摄位置信息上生成模拟摄像头，控制所述初步车型集合中每一个车型所对应的三维车型模拟场景中的所述模拟摄像头按照所述拍摄朝向信息进行拍摄，得到所述初步车型集合中每一个车型的车辆场景模拟图像；
S6、将所述初步车型集合中每一个车型的原始训练图像和对应的所述车辆场景模拟图像作为新的训练数据去训练生成一个车型识别子模型，基于训练好的车型识别子模型对所述待识别图像中的所述待识别车辆进行车型识别，得到第二车型，将所述第二车型作为所述待识别车辆图像的车型结果进行输出，所述第二车型为所述初步车型集合中的其中一个车型。


2.根据权利要求1所述的车型识别方法，其特征在于，所述步骤S4具体包括以下步骤：
S41、每间隔第一预设时间就获取处于所述实时拍摄场景的多个摄像头在第二预设时间区间内的多张实时拍摄图像，根据多张所述实时拍摄图像分析得到所述实际场景的差异化静态物体信息，根据所述差异化静态物体信息对所述三维初始模拟场景进行实时更新，以得到更新后的所述三维初始模拟场景；
S42、根据所述当前环境参数和所述待识别图像中除所述待识别车辆之外的图像环境信息在更新后的所述三维初始模拟场景中模拟出与所述实时拍摄场景相对应的环境，得到三维环境模拟场景，将所述初步车型集合中每一个车型所对应的3D车身模型分别放置于所述三维环境模拟场景中的车辆位置上，得到所述初步车型集合中每一个车型所对应的三维车型模拟场景，所述图像环境信息包括活体信息；
所述步骤S5替换为以下步骤：
在所述初步车型集合中每一个车型所对应的三维车型模拟场景中生成多个不同角度对准所述3D车身模型的模拟摄像头，以获得多个所述模拟摄像头在不同角度下对所述3D车身模型所拍摄的车辆场景模拟图像，并对获得的每一张所述车辆场景模拟图像打上对应的车型标记；
所述步骤S6替换为以下步骤：
将所述初步车型集合中每一个车型在不同角度下的多个所...

【专利技术属性】
技术研发人员：郑辉，张丽彬，
申请(专利权)人：南京易自助网络科技有限公司，
类型：发明
国别省市：江苏;32