CN113343992B - 车辆属性识别方法、装置、设备及介质 - Google Patents
车辆属性识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113343992B CN113343992B CN202110899440.5A CN202110899440A CN113343992B CN 113343992 B CN113343992 B CN 113343992B CN 202110899440 A CN202110899440 A CN 202110899440A CN 113343992 B CN113343992 B CN 113343992B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- target vehicle
- visual
- projection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种车辆属性识别方法、装置、设备及介质,属于计算机视觉技术领域。车辆属性识别方法包括:获取包括目标车辆的第一图像;确定目标车辆的可视关键点,其中,可视关键点包括可视属性为可视的关键点;根据可视关键点,确定第一图像中的第一区域;对第一区域进行投影,得到与第一区域对应的第一投影图像;根据第一投影图像,生成目标车辆对应的第二图像;识别第二图像,得到目标车辆的属性信息。通过本申请提供的车辆属性识别方法、装置、设备及介质,能够提高车辆属性识别的准确度。
Description
技术领域
本申请属于计算机视觉技术领域,具体涉及一种车辆属性识别方法、装置、设备及介质。
背景技术
随着科学技术的发展,车辆检测和识别已经成为计算机视觉在智能交通系统中的重要研究课题。车辆识别技术在车辆不停车全自动收费、高速公路稽查、车辆违规追踪等方面均能起到积极的辅助作用。
相关技术中是直接从车辆图像中识别车辆的属性信息。但受光照、相机、遮挡、车辆角度、属性像素点的数量等因素的影响,使得直接从车辆图像中识别车辆的属性信息准确度较差。
发明内容
本申请实施例的目的是提供一种车辆属性识别方法、装置、设备及介质,能够解决车辆属性信息识别准确度差的问题。
第一方面,本申请实施例提供了一种车辆属性识别方法,包括:
获取包括目标车辆的第一图像;
确定目标车辆的可视关键点,其中,可视关键点包括可视属性为可视的关键点;
根据可视关键点,确定第一图像中的第一区域;
对第一区域进行投影,得到与第一区域对应的第一投影图像;
根据第一投影图像,生成目标车辆对应的第二图像;
识别第二图像,得到目标车辆的属性信息。
第二方面,本申请实施例提供了一种车辆属性识别装置,包括:
获取模块,用于获取包括目标车辆的第一图像;
第一确定模块,用于确定目标车辆的可视关键点,其中,可视关键点包括可视属性为可视的关键点;
第二确定模块,用于根据可视关键点,确定第一图像中的第一区域;
投影模块,用于对第一区域进行投影,得到与第一区域对应的第一投影图像;
生成模块,用于根据第一投影图像,生成目标车辆对应的第二图像;
识别模块,用于识别第二图像,得到目标车辆的属性信息。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法的步骤。
在本申请实施例中,通过确定第一图像中目标车辆的可视关键点,根据可视关键点,确定第一图像中的第一区域,将第一区域进行投影,得到与第一区域对应的第一投影图像,然后,根据第一投影图像,生成目标车辆对应的第二图像,识别该第二图像,得到目标车辆的属性信息。由于识别的是由包括目标车辆的第一图像中的第一区域对应的第一投影图像生成的目标车辆对应的第二图像,没有对包括目标车辆的第一图像识别,该第二图像是由投影图像生成的图像,也就是说,第二图像是二维图像,即将三维目标车辆的识别转换为对二维图像的识别,识别二维图像能够降低光照、车辆角度等因素对识别的影响,因此,能够提高车辆属性识别的准确度。
附图说明
图1是本申请实施例提供的车辆属性识别方法的流程示意图;
图2是本申请实施例提供的第一图像的示意图;
图3是本申请实施例提供的车辆对应的边界框的示意图;
图4是本申请实施例提供的车辆三维结构模型的示意图;
图5是本申请实施例提供的车辆的可视关键点的示意图;
图6是本申请实施例提供的投影图像的示意图;
图7是本申请实施例提供的投影图像拼接的一种示意图;
图8是本申请实施例提供的投影图像拼接的另一种示意图;
图9是本申请实施例提供的矩形图像的示意图;
图10是本申请实施例提供的矩形图像拼接的一种示意图;
图11是本申请实施例提供的矩形图像拼接的另一种示意图;
图12是本申请实施例提供的第一图像变换为第二图像的过程示意图;
图13是本申请实施例提供的车辆属性识别装置的结构示意图;
图14是本申请实施例提供的电子设备的结构示意图;
图15是实现本申请实施例的电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的车辆属性识别方法、装置、设备及介质进行详细地说明。
图1是本申请实施例提供的车辆属性识别方法的流程示意图。车辆属性识别方法可以包括:
S101:获取包括目标车辆的第一图像;
S102:确定目标车辆的可视关键点,其中,可视关键点包括可视属性为可视的关键点;
S103:根据可视关键点,确定第一图像中的第一区域;
S104:对第一区域进行投影,得到与第一区域对应的第一投影图像;
S105:根据第一投影图像,生成目标车辆对应的第二图像;
S106:识别第二图像,得到目标车辆的属性信息。
上述各步骤的具体实现方式将在下文中进行详细描述。
在本申请实施例中,通过确定第一图像中目标车辆的可视关键点,根据可视关键点,确定第一图像中的第一区域,将第一区域进行投影,得到与第一区域对应的第一投影图像,然后,根据第一投影图像,生成目标车辆对应的第二图像,识别该第二图像,得到目标车辆的属性信息。由于识别的是由包括目标车辆的第一图像中的第一区域对应的第一投影图像生成的目标车辆对应的第二图像,没有对包括目标车辆的第一图像识别,该第二图像是由投影图像生成的图像,也就是说,第二图像是二维图像,即将三维目标车辆的识别转换为对二维图像的识别,识别二维图像能够降低光照、车辆角度等因素对识别的影响,因此,能够提高车辆属性识别的准确度。
可以理解的是,本申请实施例中的第二图像为对第一图像包括的目标车辆进行由三维到二维转换后得到的归一化二维图像。
在本申请实施例的一些可能实现中,可视属性为可视的关键点指第一图像中,能够被用户可见的关键点。当某一关键点能够被用户可见时,该关键点的可视属性为可视,该关键点为可视关键点,否则该关键点为非可视关键点。
在本申请实施例的一些可能实现中,S102可以包括:将第一图像输入到车辆可视关键点提取模型,车辆可视关键点提取模型输出目标车辆的可视关键点,其中,车辆可视关键点提取模型用于提取车辆的可视关键点。
可以理解的是,在将第一图像输入到车辆可视关键点提取模型,车辆可视关键点提取模型输出目标车辆的可视关键点之前,本申请实施例提供的车辆属性识别方法还可以包括:训练车辆可视关键点提取模型。本申请实施例并不对训练车辆可视关键点提取模型所采用的方式进行限定,任何可用的方式均可以应用于本申请实施例中。
在本申请实施例的一些可能实现中,S102可以包括:识别第一图像,得到目标车辆对应的边界框;根据边界框、车辆三维结构模型以及车辆朝向信息,确定目标车辆的可视关键点,其中,车辆三维结构模型为由车辆关键点构成的三维结构模型。
示例性地,第一图像如图2所示,图2是本申请实施例提供的第一图像的示意图。
对图2所示的第一图像进行识别得到图2所示的第一图像中车辆对应的边界框如图3所示。图3是本申请实施例提供的车辆对应的边界框的示意图。
在本申请实施例的一些可能实现中,车辆三维结构模型如图4所示,图4是本申请实施例提供的车辆三维结构模型的示意图。图4所示的车辆三维结构模型包括16个关键点,其中,16个关键点分别为关键点A1-A8、B1-B8。关键点A1和A8为车辆底部前侧关键点,B8和B1为车辆底部后侧关键点,关键点A4和A5为车辆底部前侧关键点,B5和B4为车辆顶部后侧关键点,A2和A3为车辆前部右侧关键点,A6和A7为车辆前部左侧关键点,B2和B3为车辆后部右侧关键点,B6和B7为车辆后侧左侧关键点。
在本申请实施例的一些可能实现中,车辆三维结构模型包括:由车辆关键点组成的六个表面,其中,六个表面分别与车辆外观的六个表面对应。
在图4中,车辆三维结构模型包括的六个表面分别为:由关键点A1-A8组成的第一表面,由关键点A1-A4和B1-B4组成的第二表面,由A5-A8和B5至B8组成的第三表面,由A4、A5、B4和B5组成的第四表面,由B1-B8组成的第五表面以及由A1、B1、B8和A8组成的第六表面。
其中,第一表面与车辆外观的前表面(车头)对应,第二表面与车辆外观的右表面(车右侧)对应,第三表面与车辆外观的左表面(车左侧)对应,第四表面与车辆外观的上表面(车顶)对应,第五表面与车辆外观的后表面(车尾)对应,第六表面与车辆外观的下表面(车底)对应。
在本申请实施例的一些可能实现中,可以通过对第一图像进行识别,得到车辆朝向。在本申请实施例的一些可能实现中,可以通过识别出的车辆的部位,确定车辆朝向。示例性地,识别出车辆的前侧、上侧和车辆两个反光镜均在图像采集设备的左侧,则确定车辆朝向为图像采集设备的左后方。示例性地,识别出车辆的后侧、上侧和车辆牌照在图像采集设备的右侧,则确定车辆朝向为图像采集设备的右前方。
示例性地,首先根据车辆三维结构模型以及车辆朝向信息,从上述16个关键点中确定出车辆的可视关键点,然后,再在上述边界框中确定出可视关键点的位置。
示例性的,假设从上述16个关键点中确定出车辆的可视关键点为A1-A8和B1-B5共13个关键点,则将上述边界框中位于前面的左下角的点作为可视关键点A1、位于后面的左下角的点作为可视关键点B1、位于右下角的点作为可视关键点A8、位于左侧最高处的点作为可视关键点A4、位于右侧最高处的点作为可视关键点B5等等。
图5是本申请实施例提供的车辆的可视关键点的示意图。
在本申请实施例的一些可能实现中,S103可以包括:根据车辆三维结构模型中的车辆关键点之间的连线关系,将可视关键点在第一图像中围成的区域,确定为第一区域。
示例性地,将上述图5所示的第一图像中,B1-B5、A5-A8和A1围成的区域作为第一区域。其中,图5所示的第一区域包括三个区域,三个区域分别为:由A1-A8围成的区域、由A1-A4和B1-B4围成的区域和由A4、A5、B4和B5围成的区域。
在本申请实施例的一些可能实现中,在第一区域包括至少两个区域时,可以分别对每个区域进行投影,得到每个区域分别对应的投影图像。
在本申请实施例的一些可能实现中,在对第一区域包括的某一个区域进行投影时,可以以垂直于该区域的各个边的方向为映射方向对该区域进行投影,得到该区域对应的投影图像。
由A1-A8围成的区域对应的投影图像如图6所示,图6是本申请实施例提供的投影图像的示意图。其中,在图6中,A1’-A8’分别为可视关键点A1-A8对应的投影关键点。
在本申请实施例的一些可能实现中,第一区域包括至少两个区域,第一投影图像包括至少两个投影图像;S105可以包括:将至少两个投影图像进行拼接,得到目标车辆对应的第二图像。
图7是本申请实施例提供的投影图像拼接的一种示意图,图8是本申请实施例提供的投影图像拼接的另一种示意图。
其中,在图7和图8中,A1’-A8’、B1’-B5’分别为可视关键点A1-A8和B1-B5对应的投影关键点。
在本申请实施例的一些可能实现中,第一区域包括至少两个区域,第一投影图像包括至少两个投影图像;S105可以包括:将至少两个投影图像进行图像变换,得到与至少两个投影图像对应的至少两个矩形图像;将至少两个矩形图像进行拼接,得到目标车辆对应的第二图像。
在本申请实施例的一些可能实现中,可以确定投影图像的最小外接矩形,将该投影图像向其最小外接矩形进行变换。由于投影图像的最小外接矩形比投影图像的面积大,也就是说,投影图像的最小外接矩形比投影图像具有更多的像素点,在图像变换的过程中,可以采用像素点插值算法对增加的像素点的像素值进行插值。
示例性地,图9是本申请实施例提供的矩形图像的示意图。其中,图9中的矩形图像为图6所示的投影图像对应的矩阵图像。
在图9中,A1’’-A8’’ 、B1’’-B5’’分别为投影关键点A1’-A8’、B1’-B5’在矩阵图像中对应的点。
图10是本申请实施例提供的矩形图像拼接的一种示意图,图11是本申请实施例提供的矩形图像拼接的另一种示意图。
在图10和图11中,A1’’-A8’’ 、B1’’-B5’’分别为投影关键点A1’-A8’、B1’-B5’在矩阵图像中对应的点。
需要说明的是,在本申请实施例中,上述至少两个投影图像分别为与上述至少两个区域对应的投影图像,上述至少两个投影图像与上述至少两个区域一一对应,上述至少两个区域中的目标区域对应的投影图像为对该目标区域进行投影得到的图像。
在本申请实施例的一些可能实现中,在S106中,可以将第二图像输入预先训练好的车辆属性信息识别模型,得到目标车辆的属性信息。
可以理解的是,在将第二图像输入预先训练好的车辆属性信息识别模型之前,本申请实施例提供的车辆属性识别方法还可以包括:训练车辆属性信息识别模型。本申请实施例并不对训练车辆属性信息识别模型所采用的方式进行限定,任何可用的方式均可以应用于本申请实施例中。
在本申请实施例的一些可能实现中,在S106中,车辆的属性信息包括但不限于:车辆品牌、车辆型号、车牌号码、是否悬挂挂件、是否粘贴年检标志、是否粘贴环保标志、驾驶位是否系安全带、副驾驶是否有人。
图12是本申请实施例提供的第一图像变换为第二图像的过程示意图。
需要说明的是,本申请实施例提供的车辆属性识别方法,执行主体可以为车辆属性识别装置,或者该车辆属性识别装置中的用于执行车辆属性识别方法的控制模块。本申请实施例中以车辆属性识别装置执行车辆属性识别方法为例,说明本申请实施例提供的车辆属性识别装置。
图13是本申请实施例提供的车辆属性识别装置的结构示意图。车辆属性识别装置130可以包括:
获取模块131,用于获取包括目标车辆的第一图像;
第一确定模块132,用于确定目标车辆的可视关键点,其中,可视关键点包括可视属性为可视的关键点;
第二确定模块133,用于根据可视关键点,确定第一图像中的第一区域;
投影模块134,用于对第一区域进行投影,得到与第一区域对应的第一投影图像;
生成模块135,用于根据第一投影图像,生成目标车辆对应的第二图像;
识别模块136,用于识别第二图像,得到目标车辆的属性信息。
在本申请实施例中,通过确定第一图像中目标车辆的可视关键点,根据可视关键点,确定第一图像中的第一区域,将第一区域进行投影,得到与第一区域对应的第一投影图像,然后,根据第一投影图像,生成目标车辆对应的第二图像,识别该第二图像,得到目标车辆的属性信息。由于识别的是由包括目标车辆的第一图像中的第一区域对应的第一投影图像生成的目标车辆对应的第二图像,没有对包括目标车辆的第一图像识别,该第二图像是由投影图像生成的图像,也就是说,第二图像是二维图像,即将三维目标车辆的识别转换为对二维图像的识别,识别二维图像能够降低光照、车辆角度等因素对识别的影响,因此,能够提高车辆属性识别的准确度。
在本申请实施例的一些可能实现中,第一确定模块132具体用于:
将第一图像输入到车辆可视关键点提取模型,车辆可视关键点提取模型输出目标车辆的可视关键点,其中,车辆可视关键点提取模型用于提取车辆的可视关键点。
在本申请实施例的一些可能实现中,第一确定模块132具体用于:
识别第一图像,得到目标车辆对应的边界框;
根据边界框、车辆三维结构模型以及车辆朝向信息,确定目标车辆的可视关键点,其中,车辆三维结构模型为由车辆关键点构成的三维结构模型。
在本申请实施例的一些可能实现中,第二确定模块133具体用于:
根据车辆三维结构模型中的车辆关键点之间的连线关系,将可视关键点在第一图像中围成的区域,确定为第一区域。
在本申请实施例的一些可能实现中,车辆三维结构模型包括:由车辆关键点组成的六个表面,其中,六个表面分别与车辆外观的六个表面对应。
在本申请实施例的一些可能实现中,第一区域包括至少两个区域,第一投影图像包括至少两个投影图像;生成模块135具体用于:
将至少两个投影图像进行拼接,得到目标车辆对应的第二图像。
在本申请实施例的一些可能实现中,第一区域包括至少两个区域,第一投影图像包括至少两个投影图像;生成模块135包括:
变换子模块,用于将至少两个投影图像进行图像变换,得到与至少两个投影图像对应的至少两个矩形图像;
拼接子模块,用于将至少两个矩形图像进行拼接,得到目标车辆对应的第二图像。
在本申请实施例的一些可能实现中,属性信息包括以下所列项中的至少一项:
车辆品牌、车辆型号、车牌号码、是否悬挂挂件、是否粘贴年检标志、是否粘贴环保标志、驾驶位是否系安全带、副驾驶是否有人。
本申请实施例中的车辆属性识别装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的车辆属性识别装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为iOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的车辆属性识别装置能够实现图1至图12的车辆属性识别方法实施例中的各个过程,为避免重复,这里不再赘述。
可选的,如图14所示,本申请实施例还提供一种电子设备1400,包括处理器1401,存储器1402,存储在存储器1402上并可在所述处理器1401上运行的程序或指令,该程序或指令被处理器1401执行时实现上述车辆属性识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要注意的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
在本申请实施例的一些可能实现中,处理器1401可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit ,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
在本申请实施例的一些可能实现中,存储器1402可以包括只读存储器(Read-OnlyMemory, ROM),随机存取存储器(Random Access Memory, RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请实施例的车辆属性识别方法所描述的操作。
图15是实现本申请实施例的电子设备的硬件结构示意图。
该电子设备1500包括但不限于:射频单元1501、网络模块1502、音频输出单元1503、输入单元1504、传感器1505、显示单元1506、用户输入单元1507、接口单元1508、存储器1509、以及处理器1510等部件。
本领域技术人员可以理解,电子设备1500还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器1510逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图15中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
其中,处理器1510用于:获取包括目标车辆的第一图像;确定目标车辆的可视关键点,其中,可视关键点包括可视属性为可视的关键点;根据可视关键点,确定第一图像中的第一区域;对第一区域进行投影,得到与第一区域对应的第一投影图像;根据第一投影图像,生成目标车辆对应的第二图像;识别第二图像,得到目标车辆的属性信息。
在本申请实施例中,通过确定第一图像中目标车辆的可视关键点,根据可视关键点,确定第一图像中的第一区域,将第一区域进行投影,得到与第一区域对应的第一投影图像,然后,根据第一投影图像,生成目标车辆对应的第二图像,识别该第二图像,得到目标车辆的属性信息。由于识别的是由包括目标车辆的第一图像中的第一区域对应的第一投影图像生成的目标车辆对应的第二图像,没有对包括目标车辆的第一图像识别,该第二图像是由投影图像生成的图像,也就是说,第二图像是二维图像,即将三维目标车辆的识别转换为对二维图像的识别,识别二维图像能够降低光照、车辆角度等因素对识别的影响,因此,能够提高车辆属性识别的准确度。
在本申请实施例的一些可能实现中,处理器1510具体用于:
将第一图像输入到车辆可视关键点提取模型,车辆可视关键点提取模型输出目标车辆的可视关键点,其中,车辆可视关键点提取模型用于提取车辆的可视关键点。
在本申请实施例的一些可能实现中,处理器1510具体用于:
识别第一图像,得到目标车辆对应的边界框;
根据边界框、车辆三维结构模型以及车辆朝向信息,确定目标车辆的可视关键点,其中,车辆三维结构模型为由车辆关键点构成的三维结构模型。
在本申请实施例的一些可能实现中,处理器1510具体用于:
根据车辆三维结构模型中的车辆关键点之间的连线关系,将可视关键点在第一图像中围成的区域,确定为第一区域。
在本申请实施例的一些可能实现中,车辆三维结构模型包括:由车辆关键点组成的六个表面,其中,六个表面分别与车辆外观的六个表面对应。
在本申请实施例的一些可能实现中,第一区域包括至少两个区域,第一投影图像包括至少两个投影图像;处理器1510具体用于:
将至少两个投影图像进行拼接,得到目标车辆对应的第二图像。
在本申请实施例的一些可能实现中,第一区域包括至少两个区域,第一投影图像包括至少两个投影图像;处理器1510具体用于:
将至少两个投影图像进行图像变换,得到与至少两个投影图像对应的至少两个矩形图像;
将至少两个矩形图像进行拼接,得到目标车辆对应的第二图像。
在本申请实施例的一些可能实现中,属性信息包括以下所列项中的至少一项:
车辆品牌、车辆型号、车牌号码、是否悬挂挂件、是否粘贴年检标志、是否粘贴环保标志、驾驶位是否系安全带、副驾驶是否有人。
应理解的是,本申请实施例中,输入单元1504可以包括图形处理器(GraphicsProcessing Unit,GPU)15041和麦克风15042,图形处理器15041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元1506可包括显示面板15061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板15061。用户输入单元1507包括触控面板15071以及其他输入设备15072。触控面板15071,也称为触摸屏。触控面板15071可包括触摸检测装置和触摸控制器两个部分。其他输入设备15072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。存储器1509可用于存储软件程序以及各种数据,包括但不限于应用程序和操作系统。处理器1510可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1510中。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述车辆属性识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质包括计算机可读存储介质,计算机可读存储介质的示例包括非暂态计算机可读存储介质,如ROM、RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述车辆属性识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对相关技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种车辆属性识别方法,其特征在于,所述方法包括:
获取包括目标车辆的第一图像;
确定所述目标车辆的可视关键点,其中,所述可视关键点包括可视属性为可视的关键点;
根据所述可视关键点,确定所述第一图像中的第一区域;
对所述第一区域进行投影,得到与所述第一区域对应的第一投影图像;
根据所述第一投影图像,生成所述目标车辆对应的第二图像;
识别所述第二图像,得到所述目标车辆的属性信息;
所述第一区域包括至少两个区域;
所述对所述第一区域进行投影,得到与所述第一区域对应的第一投影图像,包括:
分别对所述至少两个区域中的每个区域进行投影,得到每个区域分别对应的投影图像,其中,所述第一投影图像包括至少两个投影图像;
所述确定所述目标车辆的可视关键点,包括:
识别所述第一图像,得到所述目标车辆对应的边界框;
根据所述边界框、车辆三维结构模型以及车辆朝向信息,确定所述目标车辆的可视关键点,其中,所述车辆三维结构模型为由车辆关键点构成的三维结构模型。
2.根据权利要求1所述的方法,其特征在于,所述确定所述目标车辆的可视关键点,包括:
将所述第一图像输入到车辆可视关键点提取模型,所述车辆可视关键点提取模型输出所述目标车辆的可视关键点,其中,所述车辆可视关键点提取模型用于提取车辆的可视关键点。
3.根据权利要求1所述的方法,其特征在于,所述根据所述可视关键点,确定所述第一图像中的第一区域,包括:
根据车辆三维结构模型中的车辆关键点之间的连线关系,将所述可视关键点在所述第一图像中围成的区域,确定为所述第一区域。
4.根据权利要求1或3所述的方法,其特征在于,所述车辆三维结构模型包括:由车辆关键点组成的六个表面,其中,所述六个表面分别与车辆外观的六个表面对应。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第一投影图像,生成所述目标车辆对应的第二图像,包括:
将所述至少两个投影图像进行拼接,得到所述目标车辆对应的第二图像。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一投影图像,生成所述目标车辆对应的第二图像,包括:
将所述至少两个投影图像进行图像变换,得到与所述至少两个投影图像对应的至少两个矩形图像;
将所述至少两个矩形图像进行拼接,得到所述目标车辆对应的第二图像。
7.根据权利要求1所述的方法,其特征在于,所述属性信息包括以下所列项中的至少一项:
车辆品牌、车辆型号、车牌号码、是否悬挂挂件、是否粘贴年检标志、是否粘贴环保标志、驾驶位是否系安全带、副驾驶是否有人。
8.一种车辆属性识别装置,其特征在于,所述装置包括:
获取模块,用于获取包括目标车辆的第一图像;
第一确定模块,用于确定所述目标车辆的可视关键点,其中,所述可视关键点包括可视属性为可视的关键点;
第二确定模块,用于根据所述可视关键点,确定所述第一图像中的第一区域;
投影模块,用于对所述第一区域进行投影,得到与所述第一区域对应的第一投影图像;
生成模块,用于根据所述第一投影图像,生成所述目标车辆对应的第二图像;
识别模块,用于识别所述第二图像,得到所述目标车辆的属性信息;
所述第一区域包括至少两个区域;
所述投影模块具体用于:分别对所述至少两个区域中的每个区域进行投影,得到每个区域分别对应的投影图像,其中,所述第一投影图像包括至少两个投影图像;
所述第一确定模块具体用于:
识别第一图像,得到目标车辆对应的边界框;
根据边界框、车辆三维结构模型以及车辆朝向信息,确定目标车辆的可视关键点,其中,车辆三维结构模型为由车辆关键点构成的三维结构模型。
9.一种电子设备,其特征在于,所述电子设备包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至7任一项所述的车辆属性识别方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1至7任一项所述的车辆属性识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110899440.5A CN113343992B (zh) | 2021-08-06 | 2021-08-06 | 车辆属性识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110899440.5A CN113343992B (zh) | 2021-08-06 | 2021-08-06 | 车辆属性识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113343992A CN113343992A (zh) | 2021-09-03 |
CN113343992B true CN113343992B (zh) | 2021-11-12 |
Family
ID=77481220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110899440.5A Active CN113343992B (zh) | 2021-08-06 | 2021-08-06 | 车辆属性识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113343992B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152790B (zh) * | 2023-04-23 | 2023-07-07 | 无锡车联天下信息技术有限公司 | 一种安全带检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934345A (zh) * | 2017-01-25 | 2017-07-07 | 上海蔚来汽车有限公司 | 车辆伤痕库及其构建方法、车辆伤痕信息显示方法及系统 |
CN111079570A (zh) * | 2019-11-29 | 2020-04-28 | 北京奇艺世纪科技有限公司 | 一种人体关键点识别方法、装置及电子设备 |
CN111652085A (zh) * | 2020-05-14 | 2020-09-11 | 东莞理工学院 | 基于2d与3d特征结合的物体识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10878282B2 (en) * | 2018-10-15 | 2020-12-29 | Tusimple, Inc. | Segmentation processing of image data for LiDAR-based vehicle tracking system and method |
-
2021
- 2021-08-06 CN CN202110899440.5A patent/CN113343992B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934345A (zh) * | 2017-01-25 | 2017-07-07 | 上海蔚来汽车有限公司 | 车辆伤痕库及其构建方法、车辆伤痕信息显示方法及系统 |
CN111079570A (zh) * | 2019-11-29 | 2020-04-28 | 北京奇艺世纪科技有限公司 | 一种人体关键点识别方法、装置及电子设备 |
CN111652085A (zh) * | 2020-05-14 | 2020-09-11 | 东莞理工学院 | 基于2d与3d特征结合的物体识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113343992A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197547B (zh) | 人脸姿态估计方法、装置、终端及存储介质 | |
JP7181375B2 (ja) | 目標対象の動作認識方法、装置及び電子機器 | |
CN102103457B (zh) | 简报操作系统及方法 | |
CN113126862B (zh) | 截屏方法、装置、电子设备以及可读存储介质 | |
CN110619656B (zh) | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 | |
CN110853488B (zh) | 一种poi标签显示方法、装置和设备 | |
JP2014164356A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
US11017557B2 (en) | Detection method and device thereof | |
CN113343992B (zh) | 车辆属性识别方法、装置、设备及介质 | |
CN111290684A (zh) | 图像显示方法、图像显示装置及终端设备 | |
WO2022268023A1 (zh) | 指纹识别方法、装置、电子设备和可读存储介质 | |
CN113378705A (zh) | 车道线检测方法、装置、设备及存储介质 | |
US20160140762A1 (en) | Image processing device and image processing method | |
WO2022095318A1 (zh) | 字符检测方法、装置、电子设备、存储介质及程序 | |
WO2024012268A1 (zh) | 虚拟操作方法、装置、电子设备及可读存储介质 | |
CN113379705A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN112132764A (zh) | 脸型处理方法、装置、用户终端和计算机可读存储介质 | |
WO2023070933A1 (zh) | 手势识别方法、装置、设备及介质 | |
CN113850198B (zh) | 基于边缘计算的行为检测方法、装置、介质及计算机设备 | |
CN112541418B (zh) | 用于图像处理的方法、装置、设备、介质和程序产品 | |
CN114510996A (zh) | 基于视频的车辆匹配方法、装置、电子设备及存储介质 | |
CN113392263A (zh) | 一种数据标注方法及装置、电子设备和存储介质 | |
CN112150351A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN113657311B (zh) | 识别区域排序方法、系统、电子设备及存储介质 | |
CN113420753B (zh) | 目标对象框选区域的生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |