(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 202210318338.6 (22)申请日 2022.03.29 (71)申请人 济南博观智能科技有限公司 地址 250001 山东省济南市高新区新 泺大 街1166号奥盛大厦3号楼17楼 (72)发明人 余永龙　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 张艺 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/764(2022.01) G06V 10/762(2022.01)G06V 10/74(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/46(2022.01) (54)发明名称 车款自动标记及校验方法、 装置、 电子设备 及存储介质 (57)摘要 本申请公开了一种车款自动标记及校验方 法、 装置、 电子设备及计算机 可读存储介质， 该方 法包括： 获取车辆图像； 对车辆图像进行关键区 域识别， 得到关键区域图像； 对关键区域图像进 行特征提取， 得到基础车辆特征， 并按照预设特 征处理方式， 利用基础车辆特征得到一维车款特 征； 将一维车款特征输入训练好的车款分类器 中， 得到初始车款类别； 从预设特征库中获取若 干个车款类别分别对应的若干个预设二维车款 特征， 生成车辆图像对应的二维车款特征， 并分 别计算二维车款特征与各个预设二维车款特征 之间的相似度； 若相似度满足预设相似度条件， 则将初始车款类别确定为车辆图像对应的车款 类别标签； 该方法可以提高车款类别标签的准确 性和可靠度。 权利要求书3页 说明书13页 附图5页 CN 114638315 A 2022.06.17 CN 114638315 A 1.一种车款自动标记及校验方法， 其特 征在于， 包括： 获取车辆图像； 对所述车辆图像进行关键区域识别， 得到关键区域图像； 对所述关键区域图像进行特征提取， 得到基础车辆特征， 并按照预设特征处理方式， 利 用所述基础车辆特 征得到一维车款特 征； 将所述一维车款特 征输入训练好的车款分类 器中， 得到初始车款类别； 从预设特征库中获取若干个车款类别分别对应的若干个预设二维车款特征， 生成所述 车辆图像对应的二维车款特征， 并分别计算所述二维车款特征与各个所述预设二 维车款特 征之间的相似度； 若所述相似度满足预设相似度 条件， 则将所述初始车款类别确定为所述车辆图像对应 的车款类别标签。 2.根据权利要求1所述的车款自动标记及校验方法， 其特 征在于， 还 包括： 将所述二维车款特征作为所述车款类别标签对应的预设二维车款特征存入所述预设 特征库。 3.根据权利要求1所述的车款自动标记及校验方法， 其特征在于， 所述对所述关键区域 图像进行特征提取， 得到基础车辆特征， 并按照预设特征 处理方式， 利用所述基础车辆特征 得到一维车款特 征， 包括： 将所述关键区域图像输入 对应的特 征提取网络， 得到基础车辆特 征； 利用待测特征提取分支对所述基础车辆特征进行特征融合处理， 得到所述一维车款特 征； 所述生成所述车辆图像对应的二维车款特 征， 包括： 利用二维车款特征提取分支对所述基础车辆特征进行特征融合处理， 得到所述二维车 款特征。 4.根据权利要求3所述的车款自动标记及校验方法， 其特征在于， 所述利用待测特征提 取分支对所述基础车辆特 征进行特征融合处 理， 得到所述 一维车款特 征， 包括： 将所述基础车辆特 征输入所述待测特 征提取分支中的下采样层， 得到下采样特 征； 将所述下采样特 征输入所述待测特 征提取分支中的第一全连接层， 得到待融合特 征； 将所述待融合特 征输入所述待测特 征提取分支中的特 征融合层， 得到融合后特 征； 将所述融合后特征输入所述待测特征提取分支中的第 二全连接层， 得到所述一维车款 特征。 5.根据权利要求3所述的车款自动标记及校验方法， 其特征在于， 所述利用二维车款特 征提取分支对所述基础车辆特 征进行特征融合处 理， 得到所述 二维车款特 征， 包括： 将所述基础车辆特征输入所述二维车款特征提取分支中的卷积层， 得到卷积处理后特 征； 将所述卷积处理后特征输入所述二维车款特征提取分支中的特征融合层， 得到所述二 维车款特 征。 6.根据权利要求1所述的车款自动标记及校验方法， 其特征在于， 所述关键区域图像包 括左车灯区域图像、 右车灯区域图像、 前脸区域图像和车标区域图像， 所述车款自动标记及 校验方法还 包括：权　利　要　求　书 1/3 页 2 CN 114638315 A 2确定所述左车灯区域图像、 所述右车灯区域图像、 所述车标区域图像的中心点相对于 所述前脸区域图像的坐标值； 利用所述左车灯区域图像和所述右车灯区域图像分别对应的车灯坐标值， 计算相对于 所述前脸区域图像上 下边界的第一 边界距离比值； 利用所述车标区域图像对应的车标坐标值， 计算相对于所述前脸 区域图像上下边界的 第二边界距离比值； 计算所述前脸区域图像的宽高比； 若所述第一边界距离比值、 所述第二边界距离比值、 所述宽高比处于对应的目标预设 区间的数量大于预设数量阈值， 则确定需要执行对所述关键区域图像进行特征提取， 得到 基础车辆特征， 并按照预设特征处理方式， 利用所述基础车辆特征得到一维车款特征 的步 骤。 7.根据权利要求6所述的车款自动标记及校验方法， 其特征在于， 预设区间的生成过 程， 包括： 获取训练图像和对应的训练标签； 获取各个所述训练图像分别对应的比值特征； 其中， 所述比值特征包括第一边界距离 比值、 所述第二 边界距离比值、 所述宽高比； 根据所述训练标签， 对所述比值特征进行基于类 内距离小、 类间距离大的聚类处理， 得 到各个训练标签对应的聚类结果； 利用所述聚类结果得到所述预设区间。 8.根据权利要求1所述的车款自动标记及校验方法， 其特征在于， 所述从预设特征库中 获取若干个车款类别分别对应的若干个预设二维车款特 征， 包括： 从所述预设特征库中获取与 所述初始车款类别对应的若干个同类预设二维车款特征， 以及分别与各个非初始车款类别对应的若干个非同类预设二维车款特 征； 所述分别计算所述 二维车款特 征与各个所述预设二维车款特 征之间的相似度， 包括： 计算所述二维车款特征分别与各个所述同类预设二维车款特征对应的第 一相似度， 以 及所述二维车款特征分别与各个所述非初始车款类别对应的所述非同类预设二维车款特 征对应的第二相似度。 9.根据权利要求1所述的车款自动标记及校验方法， 其特 征在于， 还 包括： 获取工作模式设置信息， 并根据所述工作模式设置信息更新工作模式标识； 相应的， 所述将所述一维车款特征输入训练好的车款分类器中， 得到初始车款类别， 包 括： 若所述工作模式标识为与 所述车款分类器相匹配的匹配状态， 则将所述一维车款特征 输入所述车款分类 器， 得到初始车款类别。 10.根据权利要求9所述的车款自动标记及校验方法， 其特 征在于， 还 包括： 若所述工作模式标识为与 所述车款分类器不匹配的非匹配状态， 则从所述预设特征库 中获取若干个车款类别分别对应的若干个预设二 维车款特征， 并分别计算所述二 维车款特 征与各个所述预设二维车款特 征之间的特 征相似度； 利用所述特 征相似度， 确定所述车辆图像对应的车款类别。 11.一种车款自动标记及校验 装置， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 114638315 A 3