车辆检测的方法及装置制造方法及图纸

本发明专利技术涉及一种车辆检测的方法及装置，该方法包括：在接收到包含车辆信息的待检测图片后，通过预定的算法提取待检测图片的基本特征信息；将基本特征信息输入到预先训练生成的And‑Or模型中，以获取各层级节点，并将各层级节点作为关键节点输出；将关键节点进行关联，以将关联的各层级关键节点作为较优的演算分支；将演算分支中的各层级关键节点转化为待检测图片中的位置参数，并根据预定的各层级关键节点与图形模板的关联关系确定出演算分支中的各层级关键节点对应的图形模板；根据演算分支中的各层级关键节点对应的位置参数和图形模板获取待检测图片中的车辆位置信息以及车辆布局关系并输出。本发明专利技术能高效识别复杂场景图片中的车辆信息。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其涉及一种车辆检测的方法及装置。
技术介绍
目前，对车辆信息的识别一般是通过自动化的监管系统对车辆信息图片中的目标物体进行检测来实现的，例如检测车辆信息图片中的车牌等。然而，由于现实车辆场景存在多样性、以及车辆间遮挡关系的无规则或可见部位比例的不可控等因素，现行的车辆信息的识别工作往往会遇到较多干扰，识别效果不佳。此外，传统的车辆信息的识别工作往往是采用简单的人工设定特征的模式来进行的，在处理一些复杂场景时，识别工作的效率较低。
技术实现思路
本专利技术所要解决的技术问题是提供一种车辆检测的方法及装置。本专利技术解决上述技术问题的技术方案如下：一种车辆检测的方法，所述车辆检测的方法包括：S1，在接收到包含车辆信息的待检测图片后，通过预定的算法提取所述待检测图片的基本特征信息；S2，将所述基本特征信息输入到预先训练生成的And-Or模型中，以通过该预先训练生成的And-Or模型获取各层级节点，并将获取的各层级节点作为关键节点输出；S3，将输出的关键节点进行关联，以将关联的各层级关键节点作为较优的演算分支；S4，将所述演算分支中的各层级关键节点转化为所述待检测图片中的位置参数，并根据预定的各层级关键节点与图形模板的关联关系确定出所述演算分支中的各层级关键节点对应的图形模板；S5，根据所述演算分支中的各层级关键节点对应的位置参数和图形模板获取所述待检测图片中的车辆位置信息以及车辆布局关系并输出。优选地，所述层级至少包括以下三个：车辆连通区域层级、每一辆车的分布位置区域层级及车辆内部的各局部部件组成区域层级。优选地，所述步骤S2包括：S21，将所述基本特征信息输入到预先训练生成的And-Or模型中，并获取车辆全局区域，所述车辆全局区域以Or节点表示并作为所述And-Or模型的根节点；S22，在所述车辆连通区域层级，基于所述根节点分解出各个车辆连通区域，所述各个车辆连通区域分别以不同的And节点表示；S23，在所述每一辆车的分布位置区域层级，从所述各个车辆连通区域中抽取出每一辆车对应的区域，每一辆车对应的区域以Or节点表示；S24，在所述车辆内部的各局部部件组成区域层级，对于每一辆车的各个局部部件区域分别用And节点表示并进行组织；S25，将各Or节点及各And节点作为关键节点输出。优选地，所述步骤S2之前，该方法还包括：S01，获取预设数量的带有车辆信息的车辆图片作为And-Or模型的训练样本图片；S02，提取出预设比例的训练样本图片作为训练集，并将剩余的训练样本图片作为测试集，并对训练集中的每张训练样本图片框定出车辆连通区域、每一辆车的分布位置区域及车辆内部的各局部部件组成区域；S03，利用通过框定处理后的训练样本图片训练所述And-Or模型，以训练生成用于进行图片检测的And-Or模型；S04，将测试集中的每张训练样本图片输入到训练生成的And-Or模型中以进行测试，若测试的准确率大于等于预设阈值，则训练结束。优选地，所述步骤S04之后，该方法还还包括：若测试的准确率小于预设阈值，则提示增加训练样本图片的数量。本专利技术解决上述技术问题的技术方案还如下：一种车辆检测的装置，所述车辆检测的装置包括：提取模块，用于在接收到包含车辆信息的待检测图片后，通过预定的算法提取所述待检测图片的基本特征信息；训练模块，用于将所述基本特征信息输入到预先训练生成的And-Or模型中，以通过该预先训练生成的And-Or模型获取各层级节点，并将获取的各层级节点作为关键节点输出；关联模块，用于将输出的关键节点进行关联，以将关联的各层级关键节点作为较优的演算分支；转化模块，用于将所述演算分支中的各层级关键节点转化为所述待检测图片中的位置参数，并根据预定的各层级关键节点与图形模板的关联关系确定出所述演算分支中的各层级关键节点对应的图形模板；输出模块，用于根据所述演算分支中的各层级关键节点对应的位置参数和图形模板获取所述待检测图片中的车辆位置信息以及车辆布局关系并输出。优选地，所述层级至少包括以下三个：车辆连通区域层级、每一辆车的分布位置区域层级及车辆内部的各局部部件组成区域层级。优选地，所述训练模块包括：获取单元，用于将所述基本特征信息输入到预先训练生成的And-Or模型中，并获取车辆全局区域，所述车辆全局区域以Or节点表示并作为所述And-Or模型的根节点；分解单元，用于在所述车辆连通区域层级，基于所述根节点分解出各个车辆连通区域，所述各个车辆连通区域分别以不同的And节点表示；抽取单元，用于在所述每一辆车的分布位置区域层级，从所述各个车辆连通区域中抽取出每一辆车对应的区域，每一辆车对应的区域以Or节点表示；组织单元，用于在所述车辆内部的各局部部件组成区域层级，对于每一辆车的各个局部部件区域分别用And节点表示并进行组织；输出单元，用于将各Or节点及各And节点作为关键节点输出。优选地，还包括：获取模块，用于获取预设数量的带有车辆信息的车辆图片作为And-Or模型的训练样本图片；框定模块，用于提取出预设比例的训练样本图片作为训练集，并将剩余的训练样本图片作为测试集，并对训练集中的每张训练样本图片框定出车辆连通区域、每一辆车的分布位置区域及车辆内部的各局部部件组成区域；生成模块，用于利用通过框定处理后的训练样本图片训练所述And-Or模型，以训练生成用于进行图片检测的And-Or模型；测试模块，用于将测试集中的每张训练样本图片输入到训练生成的And-Or模型中以进行测试，若测试的准确率大于等于预设阈值，则训练结束。优选地，还包括：增加模块，用于若测试的准确率小于预设阈值，则提示增加训练样本图片的数量，触发框定模块以继续训练生成用于进行图片检测的And-Or模型。本专利技术的有益效果是：本专利技术首先将包含车辆信息的待检测图片进行初步处理得到基本特征信息，然后将其输入到预先训练生成的And-Or模型中以获取各层级关键节点，将各层级关键节点关联后作为一较优的演算分支，对于每一演算分支，在获取其各层级关键节点的图形模板及转化各层级的关键节点的位置参数后，可以根据各层级关键节点对应的位置参数和图形模板得到车辆位置信息以及车辆布局关系，本实施例利用And-Or模型对车辆进行检测识别，能够处理具有复杂场景的图片，并对图片中的车辆信息进行有效的识别、识别效率高。附图说明图1为本专利技术车辆检测的方法第一实施例的流程示意图；图2为图1所示步骤S2的流程示意图；图3为本专利技术车辆检测的方法第二实施例的流程示意图；图4为本专利技术车辆检测的装置第一实施例的结构示意图；图5为本专利技术车辆检测的装置第二实施例的结构示意图。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。如图1所示，图1为本专利技术车辆检测的方法一实施例的流程示意图，该车辆检测的方法包括以下步骤：步骤S1，在接收到包含车辆信息的待检测图片后，通过预定的算法提取所述待检测图片的基本特征信息；本实施例的车辆检测的方法可以应用于具有复杂场景下的交通安全监控、汽车生产及汽车保险等领域，利用具有图片拍摄功能的车辆检测的装置在这些场景下捕获图片，当捕获到包含车辆信息的图片后，以该图片作为待检测图片，并通过一些预定的算法来提取其基本特征信息。本本文档来自技高网...

【技术保护点】
一种车辆检测的方法，其特征在于，所述车辆检测的方法包括：S1，在接收到包含车辆信息的待检测图片后，通过预定的算法提取所述待检测图片的基本特征信息；S2，将所述基本特征信息输入到预先训练生成的And‑Or模型中，以通过该预先训练生成的And‑Or模型获取各层级节点，并将获取的各层级节点作为关键节点输出；S3，将输出的关键节点进行关联，以将关联的各层级关键节点作为较优的演算分支；S4，将所述演算分支中的各层级关键节点转化为所述待检测图片中的位置参数，并根据预定的各层级关键节点与图形模板的关联关系确定出所述演算分支中的各层级关键节点对应的图形模板；S5，根据所述演算分支中的各层级关键节点对应的位置参数和图形模板获取所述待检测图片中的车辆位置信息以及车辆布局关系并输出。

【技术特征摘要】
1.一种车辆检测的方法，其特征在于，所述车辆检测的方法包括：S1，在接收到包含车辆信息的待检测图片后，通过预定的算法提取所述待检测图片的基本特征信息；S2，将所述基本特征信息输入到预先训练生成的And-Or模型中，以通过该预先训练生成的And-Or模型获取各层级节点，并将获取的各层级节点作为关键节点输出；S3，将输出的关键节点进行关联，以将关联的各层级关键节点作为较优的演算分支；S4，将所述演算分支中的各层级关键节点转化为所述待检测图片中的位置参数，并根据预定的各层级关键节点与图形模板的关联关系确定出所述演算分支中的各层级关键节点对应的图形模板；S5，根据所述演算分支中的各层级关键节点对应的位置参数和图形模板获取所述待检测图片中的车辆位置信息以及车辆布局关系并输出。2.根据权利要求1所述的车辆检测的方法，其特征在于，所述层级至少包括以下三个：车辆连通区域层级、每一辆车的分布位置区域层级、及车辆内部的各局部部件组成区域层级。3.根据权利要求2所述的车辆检测的方法，其特征在于，所述步骤S2包括：S21，将所述基本特征信息输入到预先训练生成的And-Or模型中，并获取车辆全局区域，所述车辆全局区域以Or节点表示并作为所述And-Or模型的根节点；S22，在所述车辆连通区域层级，基于所述根节点分解出各个车辆连通区域，所述各个车辆连通区域分别以不同的And节点表示；S23，在所述每一辆车的分布位置区域层级，从所述各个车辆连通区域中抽取出每一辆车对应的区域，每一辆车对应的区域以Or节点表示；S24，在所述车辆内部的各局部部件组成区域层级，对于每一辆车的各个局部部件区域分别用And节点表示并进行组织；S25，将各Or节点及各And节点作为关键节点输出。4.根据权利要求1至3任一项所述的车辆检测的方法，其特征在于，所述步骤S2之前，该方法还包括：S01，获取预设数量的带有车辆信息的车辆图片作为And-Or模型的训练样本图片；S02，提取出预设比例的训练样本图片作为训练集，并将剩余的训练样本图片作为测试集，并对训练集中的每张训练样本图片框定出车辆连通区域、每一辆车的分布位置区域及车辆内部的各局部部件组成区域；S03，利用通过框定处理后的训练样本图片训练所述And-Or模型，以训练生成用于进行图片检测的And-Or模型；S04，将测试集中的每张训练样本图片输入到训练生成的And-Or模型中以进行测试，若测试的准确率大于等于预设阈值，则训练结束。5.根据权利要求4所述的车辆检测的方法，其特征在于，所述步骤S04之后，该方法还包括：若测试的准确率小于预设阈值，则提示增加训练样本图片的数量。6.一种车辆检测的装置，其特征在于，所述车辆检测的装置包括：...

【专利技术属性】
技术研发人员：王健宗，马进，黄章成，屠昕，刘铭，李佳琳，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44