一种车款识别方法、装置及介质制造方法及图纸

本申请公开了一种车款识别方法、装置及介质，应用于智能交通领域。本申请所提供的一种车款识别方法，包含经过预设区域拼接图训练得到的特征提取模型，通过预先进行拼接图训练的特征提取模型对待检测车辆经过部件检测得到的各待测区域图块进行特征提取，从而得到待测拼接图，并获取经由特征提取得到的待测特征，对待测特征进行特征比对以确定待检测车辆对应的车款。经过预设区域拼接图训练得到的特征提取模型的训练样本得以增加，增强了特征提取模型的鲁棒性，且在对待测拼接图进行比对识别时，便于在增加新车款的情况下，进行车辆的识别，从而使识别的准确率及扩增新款车的便利性得以提升。得以提升。得以提升。

【技术实现步骤摘要】
一种车款识别方法、装置及介质


[0001]本申请涉及智能交通领域，特别是涉及一种车款识别方法、装置及介质。

技术介绍

[0002]随着智能交通的发展与进步，针对机动车辆的车型、颜色、车款、品牌等属性的识别已经成为智能交的各类产品应用中一项不可或缺的功能，且在人工智能技术蓬勃发展的当下，业内针对车辆属性的识别方法大多基于视觉的深度学习，而基于深度学习的关键是算法、算力、数据，其中，算力受限于产品形态与成本核算，不太容易升级，所以数据层面及算法革新方面成为目前挖掘努力的方向。
[0003]市面上车款类别范畴逐渐扩大，造成车款属性在数据搜集、标定、模型训练、准确度提升等方面的工作量及难度提升。目前采用简单的对车辆图像提取局部特征或者全部特征，根据所提取的各特征判断属于各类车款的概率的手段去识别车辆对应的车款，容易受到因车款数量逐渐增多的影响，从而导致识别的准确度下降，且此类方法可扩展性差，在新增车款类别时需要重新训练分类大模型，否则会存在无法对应识别新增车款的问题。

技术实现思路

[0004]本申请的目的是提供一种车款识别方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车款识别方法，其特征在于，包括：获取待检测车辆经由部件检测得到的各待测区域图块；对各所述待测区域图块进行拼接得到待测拼接图；根据经由预设区域拼接图训练得到的特征提取模型对所述待测拼接图进行特征提取；获取经由所述特征提取得到的待测特征；对所述待测特征进行特征比对，确定所述待检测车辆对应的车款。2.根据权利要求1所述的车款识别方法，其特征在于，所述特征提取模型的训练包括：对各预设区域图块进行预处理及图像增强操作；对经过处理后的各所述预设区域图块自适应随机拼接；获取所述自适应随机拼接得到的拼接图作为训练样本；根据所述训练样本对初始特征提取模型进行训练以得到所述特征提取模型。3.根据权利要求2所述的车款识别方法，其特征在于，所述对经过处理后的各所述预设区域图块自适应随机拼接包括：获取经过处理后同款车的不同个体的各所述预设区域图块；获取经过处理后同款车的同一个体的各所述预设区域图块；将所述同款车的不同个体对应的预设区域图块进行随机拼接；将所述同款车的同一个体的各所述预设区域图块进行拼接。4.根据权利要求3所述的车款识别方法，其特征在于，所述对所述待测特征进行特征比对包括：获取所述待测特征的各特征比对相似度；判断各所述特征比对相似度中的车标特征比对相似度的最大值与第一阈值、第二阈值的大小关系；若所述车标特征比对相似度的最大值大于所述第一阈值，则确定所述待检测车辆的品牌，将所述待检测车辆与所述品牌下的车辆进行车灯车脸的特征对比；若所述车标特征比对相似度的最大值小于所述第二阈值，则将所述待检测车辆与所有品牌的所有车款进行车灯车脸的特征对比；若所述车标特征比对相似度的最大值小于第一阈值但大于第二阈值，则确定与所述车标特征比对相似度相近的前N个品牌，对所述待检测车辆与所述前N个品牌下的所有车款进行全特征对比；其中，所述第一阈值大于所述第二阈值。5.根据权利要求4所述的车款识别方法，其特征在于，所述将所述待检测车辆与所述品牌下的车辆进行车灯车脸的特征对比包括：判断各所述特征比对相似度中的车灯车脸特征比对相似度的最大值是否大于等于第三阈值；若是，则确定所述待检测车辆为所述品牌下对应的车款；若否，则确定所述待检测车辆为所述品牌...

【专利技术属性】
技术研发人员：余永龙，
申请(专利权)人：济南博观智能科技有限公司，
类型：发明
国别省市：