本發(fā)明涉及圖像識(shí)別領(lǐng)域,具體涉及一種車輛信息識(shí)別方法及裝置和一種車輛。
背景技術(shù):
隨著深度學(xué)習(xí)技術(shù)的興起,基于深度學(xué)習(xí)的圖像識(shí)別準(zhǔn)確率逐年上漲,人臉識(shí)別、行為識(shí)別、運(yùn)動(dòng)識(shí)別等圖像識(shí)別技術(shù)在越來(lái)越多場(chǎng)合中被提及,隨著硬件、算法及大數(shù)據(jù)的不斷發(fā)展,深度學(xué)習(xí)技術(shù)在很多領(lǐng)域均得到了廣泛使用,例如車輛自動(dòng)駕駛領(lǐng)域,是通過(guò)電腦系統(tǒng)實(shí)現(xiàn)無(wú)人駕駛,依靠人工智能、視覺(jué)計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作,讓電腦可以在沒(méi)有任何人類主動(dòng)的操作下,自動(dòng)安全地操作機(jī)動(dòng)車輛,自動(dòng)駕駛汽車對(duì)外界信息的獲取主要基于聲音和圖像,要實(shí)現(xiàn)真正的無(wú)人駕駛,必須能夠準(zhǔn)確感知和識(shí)別前方車輛行駛的狀態(tài)信息,而現(xiàn)有汽車采用語(yǔ)音通訊方式獲取信息,使得信息在傳輸過(guò)程中容錯(cuò)性差,信息存儲(chǔ)量低且抗干擾性差,降低了汽車駕駛過(guò)程中信息獲取的準(zhǔn)確性。
技術(shù)實(shí)現(xiàn)要素:
因此,本發(fā)明要解決的技術(shù)問(wèn)題在于現(xiàn)有汽車采用語(yǔ)音通訊方式獲取信息,使得信息在傳輸過(guò)程中容錯(cuò)性差,信息存儲(chǔ)量低且抗干擾性差,降低了汽車駕駛過(guò)程中信息獲取的準(zhǔn)確性。
有鑒于此,本發(fā)明提供一種車輛信息識(shí)別方法,包括:
獲取待識(shí)別車輛信息圖像,所述待識(shí)別車輛信息圖像用于顯示車輛狀態(tài);
根據(jù)所述待識(shí)別車輛信息圖像,得到所述待識(shí)別車輛信息圖像的灰度特征圖;
根據(jù)所述灰度特征圖,確定所述待識(shí)別車輛信息圖像的1bp特征圖、梯度幅值特征圖和梯度方向特征圖;
利用神經(jīng)網(wǎng)絡(luò)模型以所述待識(shí)別車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖作為所述神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù),確定所述待識(shí)別車輛信息圖像的車輛信息。
優(yōu)選地,所述待識(shí)別車輛信息圖像包括包含字符的圖像和轉(zhuǎn)向燈圖像中的至少一種。
優(yōu)選地,
所述車輛信息至少包括轉(zhuǎn)向信息和剎車信息;
當(dāng)根據(jù)所述包含字符的圖像確定的車輛信息與根據(jù)所述轉(zhuǎn)向燈圖像確定的車輛信息不一致時(shí),進(jìn)行提示。優(yōu)選地,所述獲取待識(shí)別車輛信息圖像步驟之前,包括:
獲取車輛信息圖像和所述車輛信息圖像對(duì)應(yīng)的車輛信息;
根據(jù)所述車輛信息圖像,得到所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖;
將所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖和所述車輛信息圖像對(duì)應(yīng)的車輛信息作為訓(xùn)練數(shù)據(jù),對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,直至所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述車輛信息圖像信息識(shí)別的準(zhǔn)確度大于預(yù)設(shè)閾值。
優(yōu)選地,當(dāng)所述待識(shí)別車輛信息圖像是所述包含字符的圖像時(shí),
所述獲取車輛信息圖像和所述車輛信息圖像對(duì)應(yīng)的車輛信息,包括:
獲取所述車輛信息圖像中的字符區(qū)域圖像;
將所述字符區(qū)域圖像輸入到機(jī)器學(xué)習(xí)模型中進(jìn)行字符分割,其中所述機(jī)器學(xué)習(xí)模型利用多個(gè)字符圖像進(jìn)行訓(xùn)練得到的。
相應(yīng)地,本發(fā)明還提供一種車輛信息識(shí)別裝置,包括:
獲取單元,用于獲取待識(shí)別車輛信息圖像,所述待識(shí)別車輛信息圖像用于顯示車輛狀態(tài);
灰度特征圖獲取單元,用于根據(jù)所述待識(shí)別車輛信息圖像,得到所述待識(shí)別車輛信息圖像的灰度特征圖;
特征圖確定單元,用于根據(jù)所述灰度特征圖,確定所述待識(shí)別車輛信息圖像的1bp特征圖、梯度幅值特征圖和梯度方向特征圖;
車輛信息確定單元,用于利用神經(jīng)網(wǎng)絡(luò)模型以所述待識(shí)別車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖作為所述神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù),確定所述待識(shí)別車輛信息圖像的車輛信息。
優(yōu)選地,所述待識(shí)別車輛信息圖像包括包含字符的圖像和轉(zhuǎn)向燈圖像中的至少一種。
優(yōu)選地,
所述車輛信息至少包括轉(zhuǎn)向信息和剎車信息;
當(dāng)根據(jù)所述包含字符的圖像確定的車輛信息與根據(jù)所述轉(zhuǎn)向燈圖像確定的車輛信息不一致時(shí),進(jìn)行提示。
優(yōu)選地,所述獲取單元在獲取待識(shí)別車輛信息圖像之前,包括:
獲取子單元,用于獲取車輛信息圖像和所述車輛信息圖像對(duì)應(yīng)的車輛信息;
特征圖獲取子單元,用于根據(jù)所述車輛信息圖像,得到所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖;
訓(xùn)練子單元,用于將所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖和所述車輛信息圖像對(duì)應(yīng)的車輛信息作為訓(xùn)練數(shù)據(jù),對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,直至所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述車輛信息圖像信息識(shí)別的準(zhǔn)確度大于預(yù)設(shè)閾值。
優(yōu)選地,當(dāng)所述待識(shí)別車輛信息圖像是所述包含字符的圖像時(shí),
所述獲取子單元包括:
字符區(qū)域圖像獲取子單元,用于獲取所述車輛信息圖像中的字符區(qū)域圖像;
字符分割單元,用于將所述字符區(qū)域圖像輸入到機(jī)器學(xué)習(xí)模型中進(jìn)行字符分割,其中所述機(jī)器學(xué)習(xí)模型利用多個(gè)字符圖像進(jìn)行訓(xùn)練得到的。
相應(yīng)地,本發(fā)明還提供一種車輛,包括:
采集單元,用于獲取車輛信息圖像;
控制器,用于執(zhí)行如上述所述的方法處理所述車輛信息圖像,確定車輛信息;
顯示器,用于顯示所述車輛信息。
優(yōu)選地,所述顯示器為液晶顯示牌,設(shè)置在車輛尾部。
本發(fā)明技術(shù)方案具有以下優(yōu)點(diǎn):
通過(guò)獲取待識(shí)別車輛信息圖像,根據(jù)待識(shí)別車輛信息圖像,得到待識(shí)別車輛信息圖像的灰度特征圖,根據(jù)灰度特征圖,確定待識(shí)別車輛信息圖像的1bp特征圖、梯度幅值特征圖和梯度方向特征圖,利用神經(jīng)網(wǎng)絡(luò)模型以待識(shí)別車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖作為神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù),確定待識(shí)別車輛信息圖像的車輛信息,解決了現(xiàn)有汽車采用語(yǔ)音通訊方式獲取信息,使得信息在傳輸過(guò)程中容錯(cuò)性差,信息存儲(chǔ)量低且抗干擾性差,降低了汽車駕駛過(guò)程中信息獲取的準(zhǔn)確性的問(wèn)題。
附圖說(shuō)明
為了更清楚地說(shuō)明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對(duì)具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹,顯而易見(jiàn)地,下面描述中的附圖是本發(fā)明的一些實(shí)施方式,對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)這些附圖獲得其他的附圖。
圖1是本發(fā)明實(shí)施例1提供的一種車輛信息識(shí)別方法的流程圖;
圖2是本發(fā)明實(shí)施例2提供的一種車輛信息識(shí)別裝置的結(jié)構(gòu)示意圖;
圖3是本發(fā)明實(shí)施例3提供的一種車輛的結(jié)構(gòu)示意圖。
具體實(shí)施方式
下面將結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。
實(shí)施例1
本發(fā)明實(shí)施例提供一種車輛信息識(shí)別方法,車輛在駕駛過(guò)程中為了準(zhǔn)確識(shí)別前車的行駛狀態(tài)信息,在前車車輛尾部設(shè)置一信息顯示牌,用于顯示本車車輛行駛狀態(tài)信息,繼而車輛狀態(tài)信息可以通過(guò)后車車輛識(shí)別信息顯示牌信息和車輛轉(zhuǎn)向燈信息進(jìn)行顯示,如圖1所示,該方法包括:
S11,獲取待識(shí)別車輛信息圖像,待識(shí)別車輛信息圖像用于顯示車輛狀態(tài)。其中車輛狀態(tài)可以包括車輛剎車信息、速度與加速度信息、轉(zhuǎn)向信息以及周圍車輛信息與環(huán)境信息。
S12,根據(jù)待識(shí)別車輛信息圖像,得到待識(shí)別車輛信息圖像的灰度特征圖。
S13,根據(jù)灰度特征圖,確定待識(shí)別車輛信息圖像的1bp特征圖、梯度幅值特征圖和梯度方向特征圖。首先求取車輛信息圖像中的每個(gè)像素點(diǎn)的1bp特征,當(dāng)求取圖像邊緣像素點(diǎn)的灰度特征值時(shí),超出邊界的像素點(diǎn)的值設(shè)置為零,繼而得到整個(gè)車輛信息圖像的1bp特征圖,繼而根據(jù)灰度特征圖,得到1bp特征圖、梯度幅值特征圖和梯度方向特征圖。
S14,利用神經(jīng)網(wǎng)絡(luò)模型以待識(shí)別車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖作為神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù),確定待識(shí)別車輛信息圖像的車輛信息。
優(yōu)選地,待識(shí)別車輛信息圖像包括包含字符的圖像和轉(zhuǎn)向燈圖像中的至少一種。當(dāng)待識(shí)別車輛信息圖像為包含字符的圖像時(shí),通過(guò)識(shí)別包含字符的圖像,可以得到車輛剎車信息、速度與加速度信息、轉(zhuǎn)向信息以及周圍車輛信息與環(huán)境信息;當(dāng)待識(shí)別車輛信息圖像為轉(zhuǎn)向燈圖像時(shí),可以得到車輛轉(zhuǎn)向信息。
作為一個(gè)優(yōu)選的實(shí)施方式,車輛信息至少包括轉(zhuǎn)向信息和剎車信息;
當(dāng)根據(jù)所述包含字符的圖像確定的車輛信息與根據(jù)所述轉(zhuǎn)向燈圖像確定的車輛信息不一致時(shí),進(jìn)行提示。
提示的方式可以通過(guò)語(yǔ)音報(bào)警方式提示,例如當(dāng)包含字符的圖像確定的轉(zhuǎn)向信息與根據(jù)轉(zhuǎn)向燈圖像確定的轉(zhuǎn)向信息一致時(shí),進(jìn)行語(yǔ)音報(bào)警提示。
在步驟S11步驟之前,包括:
S111,獲取車輛信息圖像和所述車輛信息圖像對(duì)應(yīng)的車輛信息。車輛信息包括車輛速度信息、車輛轉(zhuǎn)向信息和車輛指示燈信息,其中車輛速度信息可以通過(guò)速度傳感器采集得到,根據(jù)采集的車輛速度信息得到車輛速度信號(hào)、加速度信號(hào)和剎車信號(hào),車輛轉(zhuǎn)向信息可以通過(guò)標(biāo)注獲取設(shè)置在車牌上方的車輛信息顯示牌上的轉(zhuǎn)向信息得到或者通過(guò)標(biāo)注獲取的車輛指示燈信息的轉(zhuǎn)向燈信息或剎車信息燈信息。
S112,根據(jù)車輛信息圖像,得到車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖。
S113,將車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖和車輛信息圖像對(duì)應(yīng)的車輛信息作為訓(xùn)練數(shù)據(jù),對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,直至神經(jīng)網(wǎng)絡(luò)模型對(duì)車輛信息圖像信息識(shí)別的準(zhǔn)確度大于預(yù)設(shè)閾值。所述神經(jīng)網(wǎng)絡(luò)模型為深度卷積神經(jīng)網(wǎng)絡(luò)模型。深度卷積神經(jīng)網(wǎng)絡(luò)(Deep Convolutional Neural Network,簡(jiǎn)稱DCNN)是一種前饋神經(jīng)網(wǎng)絡(luò),它的人工神經(jīng)元可以響應(yīng)一部分覆蓋范圍內(nèi)的周圍單元,對(duì)于大型圖像處理有著出色表現(xiàn),一般由至少一個(gè)卷積層(alternating convolutional layer)和至少一個(gè)池化層(pooling layer)構(gòu)成。
優(yōu)選地,當(dāng)所述待識(shí)別車輛信息圖像是所述包含字符的圖像時(shí),為了提高神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性,步驟S111,包括:
S1111,獲取車輛信息圖像中的字符區(qū)域圖像;
S1112,將字符區(qū)域圖像輸入到機(jī)器學(xué)習(xí)模型中進(jìn)行字符分割,其中所述機(jī)器學(xué)習(xí)模型利用多個(gè)字符圖像進(jìn)行訓(xùn)練得到的。
本發(fā)明實(shí)施例提供的建立識(shí)別車輛信息的模型的方法,通過(guò)獲取車輛信息圖像和車輛信息圖像對(duì)應(yīng)的車輛信息,根據(jù)車輛信息圖像,得到車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖,將車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖和車輛信息圖像對(duì)應(yīng)的車輛信息作為訓(xùn)練數(shù)據(jù),對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,直至神經(jīng)網(wǎng)絡(luò)模型對(duì)車輛信息圖像信息識(shí)別的準(zhǔn)確度大于預(yù)設(shè)閾值,通過(guò)將車輛信息圖像轉(zhuǎn)化的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖和車輛信息作為訓(xùn)練數(shù)據(jù),訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型,提高了神經(jīng)網(wǎng)絡(luò)模型的魯棒性與準(zhǔn)確性。
實(shí)施例2
相應(yīng)地,本發(fā)明實(shí)施例提供一種車輛信息識(shí)別裝置,如圖2所示,包括:
獲取單元21,用于獲取待識(shí)別車輛信息圖像,所述待識(shí)別車輛信息圖像用于顯示車輛狀態(tài);
灰度特征圖獲取單元22,用于根據(jù)所述待識(shí)別車輛信息圖像,得到所述待識(shí)別車輛信息圖像的灰度特征圖;
特征圖確定單元23,用于根據(jù)所述灰度特征圖,確定所述待識(shí)別車輛信息圖像的1bp特征圖、梯度幅值特征圖和梯度方向特征圖;
車輛信息確定單元24,用于利用神經(jīng)網(wǎng)絡(luò)模型以所述待識(shí)別車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖作為所述神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù),確定所述待識(shí)別車輛信息圖像的車輛信息。
優(yōu)選地,所述待識(shí)別車輛信息圖像包括包含字符的圖像和轉(zhuǎn)向燈圖像中的至少一種。
優(yōu)選地,所述車輛信息至少包括轉(zhuǎn)向信息和剎車信息;
當(dāng)根據(jù)所述包含字符的圖像確定的車輛信息與根據(jù)所述轉(zhuǎn)向燈圖像確定的車輛信息不一致時(shí),進(jìn)行提示。
優(yōu)選地,所述獲取單元在獲取待識(shí)別車輛信息圖像之前,包括:
獲取子單元,用于獲取車輛信息圖像和所述車輛信息圖像對(duì)應(yīng)的車輛信息;
特征圖獲取子單元,用于根據(jù)所述車輛信息圖像,得到所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖;
訓(xùn)練子單元,用于將所述車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖和所述車輛信息圖像對(duì)應(yīng)的車輛信息作為訓(xùn)練數(shù)據(jù),對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,直至所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述車輛信息圖像信息識(shí)別的準(zhǔn)確度大于預(yù)設(shè)閾值。
優(yōu)選地,當(dāng)所述待識(shí)別車輛信息圖像是所述包含字符的圖像時(shí),
所述獲取子單元包括:
字符區(qū)域圖像獲取子單元,用于獲取所述車輛信息圖像中的字符區(qū)域圖像;
字符分割單元,用于將所述字符區(qū)域圖像輸入到機(jī)器學(xué)習(xí)模型中進(jìn)行字符分割,其中所述機(jī)器學(xué)習(xí)模型利用多個(gè)字符圖像進(jìn)行訓(xùn)練得到的。
本發(fā)明實(shí)施例提供的車輛信息識(shí)別裝置,通過(guò)獲取單元獲取待識(shí)別車輛信息圖像,根據(jù)待識(shí)別車輛信息圖像,得到待識(shí)別車輛信息圖像的灰度特征圖,根據(jù)灰度特征圖,確定待識(shí)別車輛信息圖像的1bp特征圖、梯度幅值特征圖和梯度方向特征圖,利用神經(jīng)網(wǎng)絡(luò)模型以待識(shí)別車輛信息圖像的灰度特征圖、1bp特征圖、梯度幅值特征圖和梯度方向特征圖作為神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù),確定待識(shí)別車輛信息圖像的車輛信息,解決了現(xiàn)有汽車采用語(yǔ)音通訊方式獲取信息,使得信息在傳輸過(guò)程中容錯(cuò)性差,信息存儲(chǔ)量低且抗干擾性差,降低了汽車駕駛過(guò)程中信息獲取的準(zhǔn)確性的問(wèn)題。
實(shí)施例3
相應(yīng)地,本發(fā)明實(shí)施例還提供一種車輛,如圖3所示,包括:
采集單元31,用于獲取車輛信息圖像。車輛信息圖像可以通過(guò)安裝在車輛前端的圖像采集裝置得到,如攝像機(jī)等。
控制器32,用于執(zhí)行如實(shí)施例所述的方法處理車輛信息圖像,確定車輛信息。
顯示器33,用于顯示車輛信息。顯示器為液晶顯示牌,可以設(shè)置在車輛尾部。
本發(fā)明實(shí)施例提供的車輛,通過(guò)采集單元獲取車輛信息圖像,并利用控制器進(jìn)行車輛信息圖像處理,確定并顯示車輛信息,解決了現(xiàn)有汽車采用語(yǔ)音通訊方式獲取信息,使得信息在傳輸過(guò)程中容錯(cuò)性差,信息存儲(chǔ)量低且抗干擾性差,降低了汽車駕駛過(guò)程中信息獲取的準(zhǔn)確性的問(wèn)題。
顯然,上述實(shí)施例僅僅是為清楚地說(shuō)明所作的舉例,而并非對(duì)實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來(lái)說(shuō),在上述說(shuō)明的基礎(chǔ)上還可以做出其它不同形式的變化或變動(dòng)。這里無(wú)需也無(wú)法對(duì)所有的實(shí)施方式予以窮舉。而由此所引伸出的顯而易見(jiàn)的變化或變動(dòng)仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。