【技术实现步骤摘要】
本专利技术属于计算机视觉和视频智能分析，涉及注意力机制、深度学习相关方法，具体涉及一种基于注意力机制的车辆属性识别方法。
技术介绍
1、为应对当前城市车辆管控需求，城市中的监控设备日益增多，这些监控设备每时每刻都会输出海量的监控视频文件。如何有效利用这些视频文件，达到城市交通智能化管理的目标，成为了计算机视觉领域的一项热门课题，车辆属性识别正是其中非常重要的一环。
2、图像中目标属性识别技术，又称图像结构化技术，或图像细粒度分类技术，是一种通过特征提取等方式处理图像内容信息的深度学习技术。它可以将图像的内容，按照其对应的类别从属的语义关系，生成计算机能够理解的数字化信息，并更进一步整理出工作人员可以理解的文本信息。
3、近来注意力(attention)机制在改进深度神经网络的实践中获得了广泛关注，有不少研究证明，引入注意力机制能够有效改善现有神经网络模型的性能。因此，引入注意力机制对目标图像中的车辆检测与车辆属性进行识别，可提高车辆属性识别模型的效率。
4、现有技术中，车辆属性识别任务中仍有许多难点尚需克服，其中最突出的难点有二：不同于简单的图像分类问题，车辆属性识别需要在车辆这一个大类中再细分出涵盖诸多属性标签的小类别。视频图像中可能存在人类肉眼都不便区分的车辆属性，计算机识别图像目标属性就更加困难；视频及图像中车辆的背景、图像中光学信息、车辆自身洁净程度、车辆的观察角度等因素对车辆属性识别的结果会产生较大影响，本应属于同一属性类的不同车辆，可能由于车身洁净程度不一、观测角度不同等因素被划分
技术实现思路
1、本专利技术的目的是从建立车辆属性识别数据集与设计并改进相关模型两方面，针对图像处理中车辆目标检测与车辆属性识别任务，提供一种基于注意力机制的车辆属性识别方法，设计注意力机制模块，来提高车辆属性识别模型的识别准确率，具体应用到车辆属性识别应用场景当中，实现车辆图像的结构化。
2、本专利技术的技术方案如下：
3、一种基于注意力机制的车辆属性识别方法，其特征在于，包括以下步骤：
4、(1)提取车辆位置信息：
5、(11)改进csp检测器：将图像输入到完整的卷积网络中，再以网络提取的特征图为基础，通过卷积运算生成三个相应的映射图，一幅映射图采用热度图的形式显示了待检测目标的中心点区域，另外两幅映射图则负责判断目标长和宽，再把它们反馈给原始图像便可以得到目标的检测框，目标中心点位置就是目标检测框的中心位置，目标的预测尺度与中心点位置相对应就形成了目标检测框；
6、(12)使用改进后针对车辆检测的无锚点框的csp检测器，对目标图像中的车辆进行检测，通过定位目标中心点及目标尺度预测的方式，提取车辆位置信息；
7、(2)提取车辆特征信息：以多层卷积模块从输入图像中提取的特征信息为基础，定位并截取输入图像中车辆属性区别显著的局部图像，提取出车辆目标的属性显著特征，并将局部图像作为输入信息传递给下一级网络；
8、(3)进行车辆属性判别：
9、(31)建立车辆属性识别网络，包含三个结构相同的grade子网络，三个grade网络相互级联，每个grade子网络中又分别包含一个图像分类网络和一个自定义的局部图像注意模块larn；grade网络的输出也相应的包括两个部分：
10、(32)图像输入网络后，首先经过多重卷积层提取特征，然后将提取到的特征分别输送给分类子网络和局部图像注意模块，分类子网络将特征转化为对应属性的特征向量并进一步得出对应某一属性的概率值，局部图像注意模块则对多层卷积得到的特征进行训练，得到判别性区域位置信息，再将对应的局部图像截取并放大出来，作为下一级grade网络的输入，最后融合三个grade网络输出的属性判别信息。
11、本专利技术以在行人目标检测任务中表现突出的csp检测器为基础进行改进，构建了车辆目标检测模型，并将本模型在业界公认的权威目标检测数据集coco上同已取得优异成绩的部分目标检测算法进行了实验效果对比，证明本方法在仅仅增加了很少的时间复杂度的情况下，在较大程度上提升了目标检测准确度。通过对本模型和当前已有的细粒度图像分类模型进行训练，并分别对比了测试结果，证明了本方法设计的注意力模块对车辆属性识别效果有很好的积极作用。
本文档来自技高网...【技术保护点】
1.一种基于注意力机制的车辆属性识别方法，其特征在于，包括以下步骤：
【技术特征摘要】
1.一种基于注意力机制的车辆属性识...
【专利技术属性】
技术研发人员：李鹏，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
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。