一种车型视觉识别方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种车型视觉识别方法、系统、设备及存储介质,本方法针对车型识别精度不高、实时性差、识别有误的问题，利用基于Yolov3简化后的Tiny

【技术实现步骤摘要】
一种车型视觉识别方法、系统、设备及存储介质


[0001]本专利技术涉及车辆的检测与识别相关
，尤其是涉及一种车型视觉识别方法、系统、设备及存储介质。

技术介绍

[0002]随着我国经济持续发展的背景下，机动车不断的增长，全球汽车保有量急剧增加，交通拥堵现象也日渐严重。
[0003]智能交通系统应用计算机信息技术、数据通讯传输技术、控制技术等多种先进技术，将交通设备、驾驶员和车辆等因素有效联系在一起，能进行实时、准确、高效的交通运输系统管理，减少交通瘫痪。在智能交通系统中，车辆的检测与识别技术是重要组成部分。利用监控系统对道路中的车流量数据进行车辆的检测定位与车型的识别，能够了解当前车辆的通过和存在的交通情况，对于交通异常的信息流如拥堵、占用车道等进行实时监测，以便对交通进行最优的掌握和控制。
[0004]传统的目标检测与识别算法采用手工提取特征和分类器组合的方式，首先从图片场景中利用滑动窗口选取候选区，再对候选区进行识别特征提取，最后通过分类器获取准确的目标区域，其短板在于操作复杂、检测速度慢、识别效率低。2006年Hin本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车型视觉识别方法，其特征在于，所述车型视觉识别方法包括：获取多种车型图片；对所述多种车型图片进行标注，生成图片数据集，并从所述图片数据集随机提取图片训练集；采用Tiny
‑
YOLOv3网络构建车型识别模型，通过所述图片训练集训练所述车型识别模型，得到训练完成的所述车型识别模型；通过所述训练完成的所述车型识别模型对待识别图片中的车型进行识别。2.根据权利要求1所述的车型视觉识别方法，其特征在于，所述通过所述图片训练集训练所述车型识别模型时，根据图片标注的标签数据对先验框进行尺寸的修改。3.根据权利要求2所述的车型视觉识别方法，其特征在于，所述Tiny
‑
YOLOv3网络的输出层采用金字塔网络进行多尺度融合。4.根据权利要求1所述的车型视觉识别方法，其特征在于，所述Tiny
‑
YOLOv3网络的主干网络的池化层通过卷积层进行替换，其中用于替换所述池化层的所述卷积层的卷积核为3*3/2，步长为2*2。5.根据权利要求2所述的车型视觉识别方法，其特征在于，通过K
‑
means聚类线性尺度的缩放方式产生先验框，且为尺寸越小的特征图分配越大的先验框。6.根据权利要求1所述的车型视觉识别方法，其特征在于，在所述得到训练完成的所述车型识别模型之后，所述车型视觉识别方法还包括：从所述图片数据集随机提取图片测...

【专利技术属性】
技术研发人员：朱伟枝，谢娟烘，叶国如，梁文柱，
申请(专利权)人：广东理工学院，
类型：发明
国别省市：