【技术实现步骤摘要】
本专利技术涉及数据处理，特别涉及一种对摩托类车辆进行分类识别的处理方法和装置。
技术介绍
1、传统的摩托类车辆指的是机动摩托车，即以燃油为动力的摩托车。随着电动自行车和电动摩托车的使用量增大，在实际交通场景中出现的摩托类车辆的类型已经不仅仅特指机动摩托车、还增加了电动自行车和电动摩托车；并且对应电动自行车、电动摩托车和机动摩托车的车牌底色也各有不同，诸如，电动自行车的车牌底色为白色、电动摩托车的车牌底色为绿色或者蓝色、机动摩托车的车牌底色为黄色或者蓝色等；并且电动自行车/摩托车与机动摩托车的管理规则/条例也存在一定区别。
2、然而，目前大多数道路/交通监管系统使用的车辆分类模型都未对摩托类车辆的机动车辆类型/电动车辆类型做进一步的细化，这就会导致一些争议问题产生：例如，在判定车辆违规事件的时候因为预先未能对电动自行车/摩托车进行区分，所以在进行责任认定时就会统一按机动摩托车的管理规则/条例进行认定，而已知电动自行车/摩托车与机动摩托车的管理规则/条例存在差异，那么自然就可能会导致电动自行车/摩托车的驾驶者产生争议投诉。
3、要解决这个问题首先就需要给出一种可对摩托类车辆的机动车辆类型/电动车辆类型进行细分识别的技术方案，而这也即是本专利技术需要解决的技术问题。
技术实现思路
1、本专利技术的目的，就是针对现有技术的缺陷，提供一种对摩托类车辆进行分类识别的处理方法、装置、电子设备及计算机可读存储介质；本专利技术预先构建四类模型：车辆目标检测模型、车牌目标检测模
2、为实现上述目的，本专利技术实施例第一方面提供了一种对摩托类车辆进行分类识别的处理方法，所述方法包括：
3、构建车辆目标检测模型、车牌目标检测模型、车辆分类识别模型和车牌分类识别模型；并对所述车辆目标检测模型、所述车牌目标检测模型、所述车辆分类识别模型和所述车牌分类识别模型的进行模型训练；
4、模型训练结束后，接收道路交通图像作为对应的第一待测图像；
5、基于所述车辆目标检测模型对所述第一待测图像进行摩托类车辆目标检测处理得到对应的第一目标检测框集合；并将所述第一目标检测框集合中的各个第一目标检测框的检测框图像作为对应的第一检测框图像；所述第一目标检测框集合包括一个或多个所述第一目标检测框；
6、基于所述车牌目标检测模型对各个所述第一检测框图像进行车牌目标检测处理得到对应的第二目标检测框；并将各个所述第二目标检测框的检测框图像作为对应的第二检测框图像；所述第一、第二检测框图像一一对应；
7、基于所述车辆分类识别模型对各个所述第一检测框图像进行摩托类车辆分类识别处理得到对应的第一分类向量；所述第一分类向量包括电动自行车评分、电动摩托车评分和机动摩托车评分；
8、基于所述车牌分类识别模型对各个所述第二检测框图像进行车牌分类识别处理得到对应的第二分类向量；所述第二分类向量包括黄底车牌评分、蓝底车牌评分、绿底车牌评分和白底车牌评分；
9、根据各个所述第一目标检测框对应的一组所述第一、二分类向量进行综合分类评估得到对应的第一评估结果；所述第一评估结果包括机动摩托类和电动摩托类；
10、根据各个所述第一目标检测框及其对应的所述第一评估结果在所述第一待测图像上进行对应的检测框绘制和检测框评估结果标注；并将完成检测框绘制和标注的所述第一待测图像作为对应的第一测后图像输出。
11、优选的，所述车辆目标检测模型和所述车牌目标检测模型的模型结构选型范围包括centernet模型、faster-rcnn模型和yolo系列模型；
12、所述车辆分类识别模型和所述车牌分类识别模型的模型结构选型范围包括pvanet+softmax模型、alexnet模型和resnet模型；
13、所述车辆目标检测模型用于对模型输入图像进行摩托类车辆目标检测处理；所述车辆目标检测模型的模型输入图像为任意道路交通图像；所述车辆目标检测模型的模型输出为一个对应的车辆目标检测框集合，所述车辆目标检测框集合由一个或多个车辆目标检测框组成；
14、所述车牌目标检测模型用于对模型输入图像进行车牌目标检测处理；所述车牌目标检测模型的模型输入图像为一个车辆目标检测框图像；所述车牌目标检测模型的模型输出为一个对应的车牌目标检测框；
15、所述车辆分类识别模型用于对模型输入图像进行摩托类车辆分类识别处理；所述车辆分类识别模型的模型输入图像为一个车辆目标检测框图像；所述车辆分类识别模型的模型输出为一个对应的车辆分类向量；所述车辆分类向量由三种摩托类车辆评分组成，分别为电动自行车评分、电动摩托车评分和机动摩托车评分；
16、所述车牌分类识别模型用于对模型输入图像进行车牌分类识别处理；所述车牌分类识别模型的模型输入图像为一个车牌目标检测框图像；所述车牌分类识别模型的模型输出为一个对应的车牌分类向量；所述车牌分类向量由四种车牌评分组成，分别为黄底车牌评分、蓝底车牌评分、绿底车牌评分和白底车牌评分。
17、优选的，所述对所述车辆目标检测模型、所述车牌目标检测模型、所述车辆分类识别模型和所述车牌分类识别模型的进行模型训练，具体包括：
18、采集多个道路交通图像组成第一采集图像集；所述第一采集图像集包括多个第一采集图像，每个所述第一采集图像为一个道路交通图像；每个所述第一采集图像上带有一类或多类所述摩托类车辆对象；所述摩托类车辆对象包括电动自行车对象、电动摩托车对象和机动摩托车对象；
19、基于所述第一采集图像集进行模型数据集构建得到对应的第一数据集；所述第一数据集包括多个第一数据记录；所述第一数据记录包括所述第一采集图像和对应的第一采集图像标签集；所述第一采集图像标签集包括多个第一对象标签数据；所述第一对象标签数据包括第一车辆标签检测框、第一车辆标签类型、第一车牌标签检测框和第一车牌标签类型；所述第一对象标签数据与对应的所述第一采集图像上的一个所述摩托类车本文档来自技高网...
【技术保护点】
1.一种对摩托类车辆进行分类识别的处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的对摩托类车辆进行分类识别的处理方法，其特征在于，
3.根据权利要求2所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述对所述车辆目标检测模型、所述车牌目标检测模型、所述车辆分类识别模型和所述车牌分类识别模型的进行模型训练，具体包括：
4.根据权利要求3所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述基于所述第一采集图像集进行模型数据集构建得到对应的第一数据集，具体包括：
5.根据权利要求3所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述基于所述第一数据集对所述车辆目标检测模型进行摩托车目标检测能力训练，具体包括：
6.根据权利要求3所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述基于所述第一数据集对所述车牌目标检测模型进行车牌目标检测能力训练，具体包括：
7.根据权利要求3所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述基于所述第一数据集对所述车辆分类识别模型进行摩托
8.根据权利要求3所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述基于所述第一数据集对所述车牌分类识别模型进行车牌分类识别能力训练，具体包括：
9.根据权利要求2所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述根据各个所述第一目标检测框对应的一组所述第一、二分类向量进行综合分类评估得到对应的第一评估结果，具体包括：
10.一种用于执行权利要求1-9任一项所述的对摩托类车辆进行分类识别的处理方法的装置，其特征在于，所述装置包括：模型构建与训练模块、数据接收模块、第一模型处理模块、第二模型处理模块、第三模型处理模块、第四模型处理模块、综合评估模块和数据输出模块；
11.一种电子设备，其特征在于，包括：存储器、处理器和收发器；
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令被计算机执行时，使得所述计算机执行权利要求1-9任一项所述的方法。
...【技术特征摘要】
1.一种对摩托类车辆进行分类识别的处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的对摩托类车辆进行分类识别的处理方法，其特征在于，
3.根据权利要求2所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述对所述车辆目标检测模型、所述车牌目标检测模型、所述车辆分类识别模型和所述车牌分类识别模型的进行模型训练，具体包括：
4.根据权利要求3所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述基于所述第一采集图像集进行模型数据集构建得到对应的第一数据集，具体包括：
5.根据权利要求3所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述基于所述第一数据集对所述车辆目标检测模型进行摩托车目标检测能力训练，具体包括：
6.根据权利要求3所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述基于所述第一数据集对所述车牌目标检测模型进行车牌目标检测能力训练，具体包括：
7.根据权利要求3所述的对摩托类车辆进行分类识别的处理方法，其特征在于，所述基于...
【专利技术属性】
技术研发人员：翟乾，高新伟，付铠，贾宁，冯月，丁帅楠，
申请(专利权)人：北京车网科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。