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。