(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210908607.4 (22)申请日 2022.07.29 (71)申请人 重庆紫光华山智安科技有限公司 地址 400700 重庆市北碚区云汉大道1 17号 附386号 (72)发明人 李杰　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 专利代理师 唐勇 (51)Int.Cl. G06V 20/62(2022.01) G06V 10/774(2022.01) G06V 10/44(2022.01) G06V 10/42(2022.01) G06V 10/82(2022.01) (54)发明名称 一种车辆品牌识别方法、 系统、 设备和介质 (57)摘要 本申请提供一种车辆品牌识别方法、 系统、 设备和介质， 包括： 通过预训练的关键点提取网 络获取待识别车辆图像的多个关键点特征； 通过 预训练的全局特征提取网络获取所述待识别车 辆图像的全局特征； 将所述多个关键点特征投影 到预设尺寸的图片中， 得到投影图像， 并将所述 投影图像输入 预训练的局部特征提取网络， 得到 所述待识别车辆图像的局部特征； 根据所述全局 特征和所述局部特征确定所述待识别车辆图像 的总特征； 将所述总特征与预设车辆品牌库中的 品牌特征进行比对， 得到所述待识别车辆图像的 品牌识别结果。 本申请可有效提高车辆品牌识别 准确性。 权利要求书2页 说明书8页 附图3页 CN 115205841 A 2022.10.18 CN 115205841 A 1.一种车辆品牌识别方法， 其特 征在于， 包括： 通过预训练的关键点 提取网络获取待识别车辆图像的多个关键点特 征； 通过预训练的全局特 征提取网络获取 所述待识别车辆图像的全局特 征； 将所述多个关键点特征投影到预设尺寸的图片中， 得到投影图像， 并将所述投影图像 输入预训练的局部特 征提取网络， 得到所述待识别车辆图像的局部特 征； 根据所述全局特 征和所述局部特 征确定所述待识别车辆图像的总特 征； 将所述总特征与预设车辆品牌库中的品牌特征进行比对， 得到所述待识别车辆图像的 品牌识别结果。 2.根据权利要求1所述的车辆品牌识别方法， 其特征在于， 所述关键点特征提取网络的 预训练步骤 包括： 获取预设车辆样本库中的多张样本图像， 组成第一训练样本集； 对所述第一训练样本集进行 数据增强， 得到第一增强样本集； 将所述第一增强样本集中的样本输入预设的初始关键点提取网络进行网路训练， 根据 所述第一增样本集中同一关键点的位置均值与所述初始关键点提取网络获取的特征图中 对应关键点的位置偏差， 构建第一损失函数， 计算第一网络损失值， 直到所述第一网络损失 值达到预设第一阈值， 完成网路训练， 得到所述关键点 提取网络 。 3.根据权利要求1所述的车辆品牌识别方法， 其特征在于， 所述全局特征提取网路的预 训练步骤 包括： 获取预设车辆样本库中的多张样本图像， 组成第二训练样本集； 对所述第二训练样本集进行数据增强， 并标注样本中的全局特征， 得到第二增强样本 集； 将所述第二增强样本集中的样本输入预设的初始全局特征提取网络进行网络参数训 练， 计算第二网络损失值， 直到所述第二网络损失值达到预设第二阈值， 完成网路训练得到 所述全局特 征提取网络 。 4.根据权利要求1所述的车辆品牌识别方法， 其特征在于， 所述局部特征提取网络的预 训练步骤 包括： 将预设车辆样本库中的样本图像输入预训练 的关键点提取网络， 得到由关键点特征图 组成的特 征图集合； 将所述特 征图集合中具有共同关键点的关键点特 征图进行拼接， 得到拼接图集 合； 获取所述拼接图集 合中的多张样本图像， 组成第三训练样本集； 对所述第三样本集 合进行数据增强， 并标注样本中的局部特 征， 得到第三增强样本集； 将所述第三增强样本集中的样本输入预设的初始全局特征提取网络进行网络参数训 练， 计算第三网络损失值， 直到所述第三网络损失值达到预设第三阈值， 完成网路训练得到 所述局部特 征提取网络 。 5.根据权利要求1所述的车辆品牌识别方法， 其特征在于， 将所述多个关键点特征投影 到预设尺寸的图片中， 得到投影图像， 包括： 根据关键点特征之间的位置关系对所述多个关键点特征进行分组， 得到多个分组， 以 使每个分组至少与另一个分组具有共同关键点特 征； 将每个所述分组中的关键点特 征投影到所述预设尺寸的图片中， 得到多个投影子图；权　利　要　求　书 1/2 页 2 CN 115205841 A 2将所述多个投影子图根据对应的共同关键点特 征进行拼接， 得到所述投影图像。 6.根据权利要求1所述的车辆品牌识别方法， 其特征在于， 将所述投影图像输入预训练 的局部特 征提取网络， 得到所述待识别车辆图像的局部特 征， 包括： 通过所述局部特 征提取网络获取 所述投影图像的第一局部特 征图； 对所述第一局部特 征图进行切片， 得到多个切片特 征图； 将各所述切片特征图转换为对应的特征向量， 根据 预设权重对各特征向量进行加权处 理， 得到所述局部特 征。 7.根据权利要求1所述的车辆品牌识别方法， 其特征在于， 所述预设车辆品牌库中的品 牌特征的获取 方式， 包括： 获取每种车辆品牌的多张 品牌样本图像； 通过所述预训练的全局特 征提取网络获取 所述品牌样本图像的全局特 征； 通过所述预训练的局部特 征提取网络获取 所述品牌样本图像的局部特 征； 将所述品牌样本图像的全局特征和局部特征进行拼接， 得到对应车辆品牌的所述品牌 特征。 8.一种车辆品牌识别系统， 其特 征在于， 包括： 关键点提取模块， 用于通过预训练 的关键点提取网络获取待识别车辆图像的多个关键 点特征； 全局特征提取模块， 用于通过预训练 的全局特征提取网络获取所述待识别车辆图像的 全局特征； 局部特征提取模块， 用于将所述多个关键点特征投影到预设尺寸的图片中， 得到投影 图像， 并将所述投影图像输入预训练的局部特征提取网络， 得到所述待识别车辆图像的局 部特征； 总特征获取模块， 用于根据 所述全局特征和所述局部特征确定所述待识别车辆图像的 总特征； 品牌识别模块， 用于将所述总特征与预设车辆品牌库中的品牌特征进行比对， 得到所 述待识别车辆图像的品牌识别结果。 9.一种设备， 其特 征在于， 包括： 一个或多个处 理器； 和 其上存储有指令的一个或多个机器可读介质， 当所述一个或多个处理器执行时， 使得 所述设备 执行如权利要求1 ‑7中任一所述的车辆品牌识别方法。 10.一种计算机可读存储介质， 其特征在于， 其上存储有指令， 当由一个或多个处理器 执行时， 使得设备 执行如权利要求1 ‑7中任一所述的车辆品牌识别方法。权　利　要　求　书 2/2 页 3 CN 115205841 A 3