车辆品牌型号 数据库-进口丰田霸道车辆型号

本发明适用于计算机视觉和图像识别领域，提供了一种基于深度学习的汽车品牌模型识别方法及系统，包括：步骤1，训练数据建立SVM车牌识别模型； 步骤2、基于深度学习方法训练建立车辆识别模型； 步骤3、对视频中的图像背景进行建模得到运动目标，跟踪运动目标得到运动目标轨迹，得到包含车牌的图片； 步骤4、通过图像处理技术对图片进行处理，得到包含车牌的图像若干个图片块，使用SVM车牌判别模型判别并保留包含车牌的图片块； 第五步，根据车牌位置，分别在上下左右四个方向展开设置区域，得到车头位置区域； 第六步：基于车型识别模型，根据车头位置区域识别车型。 具有自学习特性和图像直接输入等优点。

技术领域

本发明属于计算机视觉和图像识别领域，具体涉及一种基于深度学习的汽车品牌车型识别方法及系统。

背景技术

车辆类型识别是利用计算机分析，通过摄像头和图像采集卡获取视频图像，通过对特定区域的视频图像进行处理和分析，完成车辆检测和车辆分类识别。 该技术绿色环保、使用方便、维护方便。 只需在路面上方架设一台或数台摄像头，或利用交通部门现有的电视监控设备，将路面实时视频图像输入系统，即时分析。 提取所需的交通流量信息。 将车型识别技术应用于高速公路和城市道路是非常可行的，将全面提升高速公路和信息采集与安全管理水平，必将在智能交通系统中发挥越来越重要的作用。

对于车型识别算法，常用的方法有很多种车辆品牌型号 数据库，例如基于模板匹配和统计模型等。

例如，在题为“基于静态图片的车牌自动检测方法（申请号：215387295596.5）”的中国发明专利申请公开的技术方案中，提取静态图片中车辆的车头图片，以确定前大灯、散热器、品牌和保险杠区域； 提取车辆图像的特征，采用随机子空间分类器集成方法对图像特征进行组合； 根据前照灯、散热器、品牌和保险杠信息确定车辆品牌。 在中国发明专利申请“基于图像的汽车品牌识别方法及系统（申请号：215387295596.6）”公开的技术方案中，检测车牌在输入图像中的位置； 根据车牌位置计算多个车辆部件的位置； 从多个车辆部件位置中的每一个提取特征向量； 对提取的特征向量进行分类并输出车辆的品牌信息，特征向量包括外观特征和形状特征。

上述车辆品牌车型识别方法车辆品牌型号 数据库，通过提取车辆特征进行识别，检测率低，误报率高。

发明内容

本发明实施例的目的在于提供一种基于深度学习的汽车品牌识别方法及系统，至少能够克服现有技术的一些缺陷。

本发明实施例涉及的一种基于深度学习的车辆品牌车型识别方法，包括：

第一步，训练数据建立SVM车牌判别模型；

步骤2、基于深度学习方法训练建立车辆识别模型；

步骤3、对视频中的图像背景进行建模得到运动目标，跟踪运动目标得到运动目标的运动轨迹，得到包含车牌的图片；

[0018] 步骤四、通过图像处理技术对所述图片进行处理，得到若干个包含车牌的图片块，用所述SVM车牌判别模型区分并保留包含车牌的图片块；

第五步，根据车牌位置，分别在上、下、左、右四个方向展开设置区域，得到车辆车头位置区域；

第六步：基于车型识别模型，根据车头位置区域识别车型。

作为实施例一涉及的一种基于深度学习的汽车品牌模型识别方法，训练数据建立SVM车牌识别模型的过程包括：

步骤101，获取多个视频的图像信息，执行步骤3的操作；

步骤102，通过图像处理技术对获取的图片进行处理，得到包含车牌的若干块；

步骤103，对步骤102得到的块进行人工分类；

步骤104，将分类后的包含车牌的瓦片汇集到一定数量，放入SVM模型中进行训练，得到SVM车牌判别模型。