【技术实现步骤摘要】
本专利技术涉及图像处理、视频监控以及安防，特别涉及车款识别方法及装置。
技术介绍
随着经济技术的发展，机动车辆的与日俱增，传统的人工管理方式越来越无法满足实际的需要。与此同时，随着科技的发展，智能交通管理系统正日益成熟，渐渐取代传统的人工管理方式。车款识别技术是实现智能交通管理的一个分支，能够用于电子警察监控，对肇事、嫌疑、被盗车辆进行智能识别，因此近年来得到极大地关注。公开号为CN104408431A的中国专利技术专利申请公开了一种交通监控下的车款识别方法，该方法包括：以车牌位置为基准，获取候补矩形区域；分析候补区域直方图，识别是车头还是车尾；定位车头中的进气孔或车尾中的车灯；获取每一像素点的边缘方向，计算边缘直方图描述子；根据边缘直方图描述子匹配数据库，获取对应的车款类型。公开号为CN105279476A的中国专利技术专利申请公开了一种基于多特征的车脸识别方法与装置，采用Adaboost和SVM定位车辆位置，根据车辆的水平边缘特征，进行车脸精确定位，将定位到的车脸送入分类模块，分类模块的特征提取方法采用HOG特征提取和LBP特征提取相结合，分类器采用线性SVM的一对多分类器进行分类，该专利技术可以针对目前常见的1000多种车型进行识别。然而，由于上述专利技术是根据人工选取的特征进行车款识别，因此车款识别的准确率较低。综上所述，目前迫切需要提出一种识别准确率高的车款识别方法及装置。
技术实现思路
有鉴于此，本专利技术的主要目的在于实现车款识别，且识别准确率高。为达到上述目的，按照本专利技术的第一个方面，提供了一种基于卷积神经网络的车款识别方法，该方法包括：...
【技术保护点】
一种基于卷积神经网络的车款识别方法，其特征在于，该方法包括：第一步骤，选取标签车款的车脸灰度图像为样本，采用卷积神经网络对样本进行反复训练，获取训练好的车款识别模型；第二步骤，采集场景的视频图像；第三步骤，从场景的视频图像中获取车脸区域；第四步骤，利用训练好的车款识别模型对车脸区域进行识别，输出车款识别结果。
【技术特征摘要】
1.一种基于卷积神经网络的车款识别方法，其特征在于，该方法包括：第一步骤，选取标签车款的车脸灰度图像为样本，采用卷积神经网络对样本进行反复训练，获取训练好的车款识别模型；第二步骤，采集场景的视频图像；第三步骤，从场景的视频图像中获取车脸区域；第四步骤，利用训练好的车款识别模型对车脸区域进行识别，输出车款识别结果。2.如权利要求1所述的方法，其特征在于，所述第一步骤进一步包括：样本选取步骤，选取Th_Re个标签车款的车脸灰度图像作为样本图像；初步训练步骤，利用卷积神经网络对样本图像进行特征训练，获得初步训练的模型；二次训练步骤，选取Th_Test个测试图像，根据初步训练的模型对测试图像进行反复训练，直至模型收敛；模型输出步骤，将收敛的模型作为训练好的车款识别模型并输出；其中，所述标签车款包括标签以下信息：车所属的品牌、品牌下所属的车款、车的年代；所述Th_Re≥4000，Th_Test≥1000。3.如权利要求2所述的方法，其特征在于，所述卷积神经网络包括：输入层、Th_Con个卷积层、Th_Pool个池化层、Th_Full个全连接层；其中，每层卷积层包括Th_CK个卷积核，卷积核的大小为CKSi*CKSi、步长为1；每层池化层的核的大小为KSi*KSi、步长为KSi；所述全连接层的最后一层全连接层输出的神经元的数量CNum即为车款的类别数；所述Th_Con∈[2，8]，Th_Pool∈[2,8]，Th_Full∈[1,3]，Th_CK∈[Th_CKmin,Th_CKmax]，Th_CKmin∈[6,16]，Th_CKmax∈[30,512]，CKSi∈[3,7]且为奇数，KSi∈[2,4]，CNum∈[50,4000]。4.如权利要求3所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：李志国，
申请(专利权)人：北京智芯原动科技有限公司，
类型：发明
国别省市：北京;11
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。