基于AI视觉的车辆智能识别方法、装置和电子设备制造方法及图纸

本发明专利技术提供一种基于AI视觉的车辆智能识别方法、装置和电子设备，所述方法包括步骤m1,获取无车牌车辆图像作为待识别图像，基于场景分类模型获取待识别图像所处的场景；步骤m2，基于与步骤m1获得的场景相关联的特征提取模型从待识别图像提取车辆属性特征、车脸全局特征和车脸局部特征；步骤m3，基于车辆属性特征、车脸全局特征在与步骤m1获得的场景相关联的样本图像库中进行图像搜索，获得第一搜索结果；步骤m4，基于九宫格和注意力地图从待识别图像的九个车脸子图像中选取出一个或多个推荐区域；步骤m5，基于推荐区域的车脸局部特征在第一搜索结果中进行图像搜索，获取车辆识别结果；该方法可以减少相似度度量的运算量，提高相似度度量的准确性。高相似度度量的准确性。高相似度度量的准确性。

【技术实现步骤摘要】
基于AI视觉的车辆智能识别方法、装置和电子设备


[0001]本专利技术涉及一种车辆识别方法，具体的说，涉及了一种基于AI视觉的车辆智能识别方法、装置和电子设备。

技术介绍

[0002]为规范治理货运车辆超限超载运输，切实保障公路交通安全畅通和广大人民群众的生命财产安全，国家交通运输部针对货运车辆超限超载现象颁布了一系列的治理条例，随着各个省份对货运车辆超限超载治理工作的不断推进，个别货运车辆司机采取了故意遮挡车牌号以逃避检测处罚的违法行为，给执法部门的工作带来了诸多困难。
[0003]人工智能是计算机科学的一个分支，其有4个要素：算法、算力、数据、应用场景。随着以上四要素的进步与丰富，人工智能应用领域也不断扩大，比如机器视觉、自动规划、智能控制、语言和图像理解等等。Al视觉，作为人工智能领域的核心技术之一，是机器视觉系统最直接的信息源，它对于机器人的重要性亦如人眼。Al视觉通过利用视觉传感器和计算机代替人眼使得机器拥有类似于人眼的那种对目标进行分割、分类、识别、跟踪、判别决策的功能，从而使系统实现模拟人类“思维导图"，即人类思维逻辑的能力目前，基于AI视觉的车辆识别技术在智能交通监控,智能交通信息系统等方面应用越来越广泛，车辆识别包含了运动车辆检测、车辆型别分类、车辆跟踪、车牌识别等内容。公告号为CN107729818B的专利技术专利公开了一种基于深度学习的多特征融合车辆重识别方法，通过设计车牌标识向量、车辆表述性特征向量以及车型属性特征向量三者融合的车辆重识别方法，不仅可以判定套牌等违规情况，还能获得车辆颜色、品牌、类型等诸多属性信息，同时还可以有效提高监控视频内车辆重识别的准确度。
[0004]然而该专利中，每次均需要在大规模的、具有不同场景的数据库中，数据量大；且现有的深度学习检测方法通常应用在光线良好的白天,在夜间场景下它们存在诸多挑战:微弱的光照环境使得车辆特征容易被隐藏、数据集相对缺乏、网络对车辆显著特征学习不够充分、检测手段单一导致只能反映一部分目标的情况。这些都使得现有的深度学习方法难以表现出与白天场景相当的检测效果。同理，不同曝光情况下，同一辆车的特征向量会因为环境因素以及曝光程度产生偏差，例如雨天、雾天能见度较低的时候，车牌图片质量会受影响；夜晚在大灯的作用下车牌的图像中会出现一些黑白块，上述情况也会影响车辆识别的效果。
[0005]为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

技术实现思路

[0006]本专利技术的目的是针对现有技术的不足，从而提供了一种基于AI视觉的车辆智能识别方法、装置和电子设备。
[0007]为了实现上述目的，本专利技术所采用的技术方案是：一种基于AI视觉的车辆智能识别方法，包括以下步骤：
步骤m1,场景分类获取无车牌车辆图像作为待识别图像，基于场景分类模型对待识别图像进行分类，获取待识别图像所处的场景；步骤m2，特征提取基于目标检测算法从待识别图像中检测出目标车辆图像，从目标车辆图像中检测并分割出车脸全局图像，按照九宫格对车脸全局图像进行划分得到九个车脸子图像；基于与步骤m1获得的场景相关联的特征提取模型依次从目标车辆图像、车脸全局图像以及每一个车脸子图像中提取车辆属性特征、车脸全局特征和车脸局部特征；步骤m3，首次图像搜索基于车辆属性特征、车脸全局特征在与步骤m1获得的场景相关联的样本图像库中进行图像搜索，获得第一搜索结果；步骤m4，区域推荐基于九宫格和注意力地图从待识别图像的九个车脸子图像中选取出一个或多个推荐区域；步骤m5，二次图像搜索基于推荐区域的车脸局部特征在第一搜索结果中进行图像搜索，获取车辆识别结果。
[0008]基于上述，基于九宫格和注意力地图从待识别图像的九个车脸子图像中选取出一个或多个推荐区域的具体步骤如下：基于注意力地图对车脸全局图像进行处理，提取注意力地图层数据作为注意力特征矩阵；将注意力特征矩阵的每个值进行量化，取注意力特征矩阵的中值为阈值，将注意力特征矩阵中大于阈值的所有值赋为1，将注意力特征矩阵中小于阈值的所有值赋为0，得到量化的特征图像M；按照九宫格对特征图像M进行划分，得到九块子特征图像，每一块子特征图像记为M
i
，其中i=0，1，...，8；计算每个子特征图像内所有值的和S
i
；对S
i
按从大到小的顺序进行排序，选择排序靠前的三个S
i
对应的子特征图像在车脸全局图像中对应的车脸子图像，作为推荐区域。
[0009]基于上述，步骤m1的具体步骤如下：m1.1，实时采集车辆图像，判断车辆图像中是否有车牌号，若无，则车辆图像作为待识别图像；m1.2，使用色调饱和度值 (HSV) 颜色模型和openCV构建的昼夜分类器对待识别图像进行昼夜分类，确定待识别图像为白天图像还是夜间图像；m1.3，将待识别图像转换为灰度图，计算灰度图的均值和方差，基于均值和方差对待识别图像进行曝光分类，确定待识别图像为曝光正常图像、过曝图像或曝光不足图像；m1.4，根据m1.2、m1.3的识别结果，确定待识别图像所处的场景为白天过曝场景、夜晚过曝场景、白天曝光不足场景、夜晚曝光不足场景、白天曝光正常场景或夜晚曝光正常场景。
[0010]基于上述，在获得车辆识别结果后，将每一个车辆识别结果与待识别图像进行同步联动查看。
[0011]本专利技术还提供一种基于AI视觉的车辆智能识别装置，所述装置包括：图像采集模块，用于获取无车牌车辆图像，并将无车牌车辆图像作为待识别图像；场景选择模块，用于基于场景分类模型对待识别图像进行分类，获取待识别图像所处的场景；特征提取模块，内置多个不同场景下的特征提取模型；基于目标检测算法从待识别图像中检测出目标车辆图像，从目标车辆图像中检测并分割出车脸全局图像，按照九宫格对车脸全局图像进行划分得到九个车脸子图像；通过相应场景下的特征提取模型依次从目标车辆图像、车脸全局图像以及每一个车脸子图像中提取车辆属性特征、车脸全局特征和车脸局部特征；初次图像搜索模块，用于基于车辆属性、车脸全局特征在相应场景的样本图像库中进行图像搜索，获得第一搜索结果；区域推荐模块，用于基于九宫格和注意力地图从待识别图像的九个车脸子图像中选取出一个或多个推荐区域；二次图像搜索模块，用于基于推荐区域的车脸局部特征在第一搜索结果中进行图像搜索，获取车辆识别结果。
[0012]本专利技术还提供一种电子设备，所述电子设备包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现前述的车辆智能识别方法。
[0013]本专利技术相对现有技术具有突出的实质性特点和显著的进步，具体的说，（1）本专利技术对待识别图像进行场景分析，并根据分析结果选择相应场景的特征提取模型提取待识别图像的车辆属性和车脸特征，从而可以准确提取待识别图像的车辆属性和车脸特征；进一步的，本专利技术在提取待识别图像的车辆属性和车脸特征后，基于车辆属性和车脸特征在相应场景的样本图像库中进行相似度度量，由于无需对所有场景下的样本图像库进行相似度度量，因此可以极大减少相似度度量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI视觉的车辆智能识别方法，其特征在于，包括以下步骤：步骤m1,场景分类获取无车牌车辆图像作为待识别图像，基于场景分类模型对待识别图像进行分类，获取待识别图像所处的场景；步骤m2，特征提取基于目标检测算法从待识别图像中检测出目标车辆图像，从目标车辆图像中检测并分割出车脸全局图像，按照九宫格对车脸全局图像进行划分得到九个车脸子图像；基于与步骤m1获得的场景相关联的特征提取模型依次从目标车辆图像、车脸全局图像以及每一个车脸子图像中提取车辆属性特征、车脸全局特征和车脸局部特征；步骤m3，首次图像搜索基于车辆属性特征、车脸全局特征在与步骤m1获得的场景相关联的样本图像库中进行图像搜索，获得第一搜索结果；步骤m4，区域推荐基于九宫格和注意力地图从待识别图像的九个车脸子图像中选取出一个或多个推荐区域；步骤m5，二次图像搜索基于推荐区域的车脸局部特征在第一搜索结果中进行图像搜索，获取车辆识别结果。2.根据权利要求1所述的基于AI视觉的车辆智能识别方法，其特征在于，步骤m4，基于九宫格和注意力地图从待识别图像的九个车脸子图像中选取出一个或多个推荐区域的具体步骤如下：基于注意力地图对车脸全局图像进行处理，提取注意力地图层数据作为注意力特征矩阵；将注意力特征矩阵的每个值进行量化，取注意力特征矩阵的中值为阈值，将注意力特征矩阵中大于阈值的所有值赋为1，将注意力特征矩阵中小于阈值的所有值赋为0，得到量化的特征图像M；按照九宫格对特征图像M进行划分，得到九块子特征图像，每一块子特征图像记为M
i
，其中i=0，1，...，8；计算每个子特征图像内所有值的和S
i
；对S
i
按从大到小的顺序进行排序，选择排序靠前的三个S
i
对应的子特征图像在车脸全局图像中对应的车脸子图像，作为推荐区域。3.根据权利要求2所述的基于AI视觉的车辆智能识别方法，其特征在于：获取推荐区域后，判断每一个推荐区域的车脸局域特征是否位于先验显著特征库中，若位于，则保留所述推荐区域，否则，舍去所述推荐区域。4.根据权利要求2所述的基于AI视觉的车辆智能识别方法，其特征在于，其特征在于：在基于九宫格和注意力地图从待识别图像的九个车脸子图像中选取出一个或多个推荐区域之前或同时，判断每一个车脸子图像的车脸局部特征是否位于先验显著特征库中，若位于，则将所述车脸子图像作为先验推荐区域；在基于九宫格和注意力地图从待识别图像的九个车脸子图像中选取出一个或多个推荐区域后，判断每一个推荐区域是否属于先验推荐区域，若属于，则保留所述推荐区域，否
则，舍去所述推荐区域。5.根据权利要求1所述的基于AI视觉的车辆智能识别方法，其特征在于，步骤m1的具体步骤如下：m1.1，实时采集车辆图像，判断车辆图像中是否有车牌号，若无，则车辆图像作为待识别图像；m1.2，使用色调饱和度值 (HSV) 颜色模型和openCV构建的昼夜分类器对待识别图像进行昼夜分类，确定待识别图像为白天图像还是夜间图像；m1.3，将待识别图像转换为灰度图，计算灰度图的均值和方差，基于均值和方差对待识别图像进行曝光分类，确定待识别图像为曝光正常图像、过曝图像或曝光不足图像；m1.4，根据m1.2、m1.3的识别结果，确定待识别图像所处的场景为白天过曝场景、夜晚过曝场景、白天曝光不足场景、夜晚曝光不足场景、白天曝光正常场景或夜晚曝光正常场景。6.根据权利要求5所述的基于AI视觉的车辆智能识别方法，其特征在于，步骤m1.1中，若判断车辆图像中有车牌号，则识别车辆图像中的车牌号，并与数据采集服务上报的过车记录信息中的车...

【专利技术属性】
技术研发人员：张伟锋，李志民，刘广辉，杨茂，任振杰，任瑞修，高明朝，
申请(专利权)人：东方世纪科技股份有限公司，
类型：发明
国别省市：