车辆识别方法及装置、电子设备及存储介质与流程

技术特征：
1.一种车辆识别方法，其特征在于，所述方法包括：获取包含第一待识别车辆的待处理图像；对所述待处理图像进行第一特征提取处理，得到包括所述第一待识别车辆的局部特征信息的第一特征数据，所述局部特征信息包括关键点特征信息，所述第一特征数据包括所述待识别车辆的至少一个关键点的特征信息；对所述待处理图像进行第二特征提取处理，得到包括所述第一待识别车辆的全局特征信息的第二特征数据；对所述第一特征数据和所述第二特征数据进行融合处理，得到所述第一待识别车辆的第三特征数据；所述第三特征数据用于获得所述第一待识别车辆的识别结果。2.根据权利要求1所述的方法，其特征在于，所述局部特征信息还包括局部像素点区域特征信息，所述第一特征数据还包括所述待识别车辆的至少一个局部像素点区域的特征信息。3.根据权利要求2所述的方法，其特征在于，所述对所述待处理图像进行第一特征提取处理，得到包括所述第一待识别车辆的局部特征信息的第一特征数据，包括：对所述待处理图像进行第三特征提取处理，得到第四特征数据；所述第四特征数据包括所述第一待识别车辆的至少一个关键点的特征信息；对所述待处理图像进行第四特征提取处理，得到第五特征数据；所述第五特征数据包括所述第一待识别车辆的至少一个局部像素点区域的特征信息；所述局部像素点区域属于所述第一待识别车辆所覆盖的像素点区域，且所述局部像素点区域的面积小于所述第一待识别车辆所覆盖的像素点区域的面积；对所述第四特征数据和第五特征数据进行融合处理，得到所述第一特征数据。4.根据权利要求3所述的方法，其特征在于，所述对所述待处理图像进行第三特征提取处理，得到第四特征数据，包括：对所述待处理图像进行第五特征提取处理，得到至少一个第六特征数据；所述第六特征数据包括所述关键点的特征信息，且任意两个所述第六特征数据所包括的特征信息属于不同的所述关键点；从所述至少一个第六特征数据中选取包括信息量最多的k个特征数据，得到k个第七特征数据；所述k为不小于1的整数；依据所述k个第七特征数据得到所述第四特征数据。5.根据权利要求2至4中任意一项所述的方法，其特征在于，所述对所述待处理图像进行第四特征提取处理，得到第五特征数据，包括：对所述待处理图像进行第十特征提取处理，得到至少一个第九特征数据；所述第九特征数据包括所述关键点的特征信息，且任意两个所述第九特征数据所包括的特征信息属于不同的所述局部像素点区域；从所述至少两个第九特征数据中选取包含信息量最多的m个特征数据，得到m个第十特征数据；所述m为不小于1的整数；依据所述m个第十特征数据得到所述第五特征数据。6.根据权利要求1至4中任意一项所述的方法，其特征在于，所述车辆识别方法应用于车辆识别网络，所述车辆识别网络的训练方法包括：
获取包含第二待识别车辆的训练图像和待训练网络；使用所述待训练网络对所述训练图像进行处理，得到包括所述第二待识别车辆的全局特征信息的第十四特征数据和包括所述第二待识别车辆的关键点特征信息的第十五特征数据；依据所述第十四特征数据和所述训练图像的标签，得到第一全局损失；依据所述第十五特征数据和所述标签，得到第一关键点损失；依据所述第一全局损失和所述第一关键点损失，得到所述待训练网络的总损失；基于所述总损失调整所述待训练网络的参数，得到所述车辆识别网络。7.根据权利要求6所述的方法，其特征在于，在所述依据所述第一全局损失和所述第一关键点损失，得到所述待训练网络的总损失之前，所述方法还包括：使用所述待训练网络对所述训练图像进行处理，得到包括所述第二待识别车辆的局部像素点区域的特征信息的第十六特征数据；依据所述第十六特征数据和所述标签，得到第一局部像素点区域损失；所述依据所述第一全局损失和所述第一关键点损失，得到所述待训练网络的总损失，包括：依据所述第一全局损失、所述第一关键点损失和所述第一局部像素点区域损失，得到所述总损失。8.根据权利要求7所述的方法，其特征在于，所述使用所述待训练网络对所述训练图像进行处理，得到包括所述第二待识别车辆的关键点特征信息的第十五特征数据，包括：使用所述待训练网络对所述训练图像进行处理，得到至少一个第十七特征数据；所述第十七特征数据包括所述第二待识别车辆的关键点特征信息，且任意两个所述第十七特征数据所包括的特征信息属于不同的所述关键点；从所述至少一个第十七特征数据中选取包括信息量最多的s个特征数据，得到s个第十八特征数据；所述s为不小于1的整数；对所述s个第十八特征数据进行融合处理，得到所述第十五特征数据。9.根据权利要求6所述的方法，其特征在于，所述第一全局损失包括全局焦点损失；所述依据所述第十四特征数据和所述训练图像的标签，得到第一全局损失，包括：依据所述第十四特征数据，得到所述第二待识别车辆的第三识别结果；依据所述第三识别结果和所述标签，得到所述第三识别结果的焦点损失，作为所述全局焦点损失。10.根据权利要求9所述的方法，其特征在于，所述训练图像属于训练图像集；所述训练图像集还包括所述训练图像的第一正样本图像和所述训练图像的第一负样本图像；所述第一全局损失还包括全局三元组损失；所述方法还包括：使用所述待训练网络对所述第一正样本图像进行特征提取处理，得到所述第一正样本图像的特征数据；使用所述待训练网络对所述第一负样本图像进行特征提取处理，得到所述第一负样本图像的特征数据；依据所述第十二特征数据、所述第一正样本图像的特征数据和所述第一负样本图像的特征数据，得到所述全局三元组损失。
11.一种车辆识别装置，其特征在于，所述装置包括：获取单元，用于获取包含第一待识别车辆的待处理图像；第一处理单元，用于对所述待处理图像进行第一特征提取处理，得到包括所述第一待识别车辆的局部特征信息的第一特征数据，所述局部特征信息包括关键点特征信息，所述第一特征数据包括所述待识别车辆的至少一个关键点的特征信息；第二处理单元，用于对所述待处理图像进行第二特征提取处理，得到包括所述第一待识别车辆的全局特征信息的第二特征数据；融合处理单元，用于对所述第一特征数据和所述第二特征数据进行融合处理，得到所述第一待识别车辆的第三特征数据；所述第三特征数据用于获得所述第一待识别车辆的识别结果。12.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，在所述处理器执行所述计算机指令的情况下，所述电子设备执行如权利要求1至10中任一项所述的方法。13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，在所述程序指令被处理器执行的情况下，使所述处理器执行权利要求1至10中任意一项所述的方法。

技术总结
本申请公开了一种车辆识别方法及装置、电子设备及存储介质。该方法包括：获取包含第一待识别车辆的待处理图像；对所述待处理图像进行第一特征提取处理，得到包括所述第一待识别车辆的局部特征信息的第一特征数据；对所述待处理图像进行第二特征提取处理，得到包括所述第一待识别车辆的全局特征信息的第二特征数据；对所述第一特征数据和所述第二特征数据进行融合处理，得到所述第一待识别车辆的第三特征数据；所述第三特征数据用于获得所述第一待识别车辆的识别结果。识别车辆的识别结果。识别车辆的识别结果。


技术研发人员：何智群 武伟 朱铖恺 闫俊杰
受保护的技术使用者：深圳市商汤科技有限公司
技术研发日：2020.09.10
技术公布日：2021/12/12