一种车型识别方法、装置、电子设备及存储介质与流程

1.本技术涉及智能交通的领域，尤其是涉及一种车型识别方法、装置、电子设备及存储介质。


背景技术：

2.从2019年实施交通运输部关于《收费公路车辆通行费车型分类》的标准后，公路收费不再单一以车辆准载吨位进行收费，而是以车辆车轴数作为第一指标，多种指标相叠加划分车型进行收费。因此，在高速出入口，如何确定车型，成为一个重点问题。
3.在相关技术中，通过人工确认车轴数量，或者通过在地面上铺设感应设备感应车轮数量，再基于一个车轴连接两个车轮的关系，从而确定车轴数量，进而确定车型信息。
4.在实现本技术过程中，发明人认为在人工确认的过程中，消耗较大的人力成本，经过长时间确认，工作人员出现视觉疲劳，效率低下甚至出现错误；在感应设备确认的过程中，感应设备长时间被车辆碾压，容易损坏，更换感应设备施工复杂，极其不方便。


技术实现要素：

5.为了便于确定目标对象的车型信息，本技术提供一种车型识别方法、装置、电子设备及存储介质。
6.第一方面，本技术提供的一种车型识别方法，采用如下的技术方案：一种车型识别方法，包括：获取若干帧监测图像，若干帧监测图像中包含至少一个目标对象的图像信息；利用预先训练好的目标检测模型，识别出每帧监测图像中所包含的目标对象的图像信息；基于每帧监测图像包含的目标对象的图像信息，对目标对象进行跟踪，确定每一个目标对象的全部图像信息；针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息。
7.通过采用上述技术方案，能够获取若干帧监测图像，并对每帧监测图像进行分析，得到每帧监测图像中包含目标对象的图像信息，从而便于对目标对象进行跟踪，并确定目标对象的全部图像信息，进而能够基于目标对象的全部图像信息，并对目标对象的全部图像信息，能够通过图像处理技术，确定出目标对象的车型信息，由此可以省去工作人员依次查看目标对象的车轮数来确定车型信息，降低了人工成本，也减少了因感应设备损坏维修感应设备带来的经济损失。
8.在另一种可能实现的方式中，基于每帧监测图像包含的目标对象的图像信息，对目标对象进行跟踪，确定每一个目标对象的全部图像信息，包括：针对每一帧监测图像中的每一个目标对象的图像信息，与监测图像的前一帧监测图像中的每一个目标对象的图像信息进行比较，确定相似度；将相似度高于预设阈值的图像信息确定为同一目标对象的图像信息；
确定每一个目标对象的全部图像信息。
9.通过采用上述技术方案，能够比较目标对象的监测图像和上一帧监测图像的相似度，将相似度高于某一预设阈值的图像信息筛选，将筛选出的图像信息确定为目标对象的全部图像信息，便于对目标对象的全部图像信息进行分析，以便于确定车型信息。
10.在另一种可能实现的方式中，针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息，包括：若目标对象的全部图像信息中包含一副预设图像信息，预设图像信息包含第一车型的完整结构，则确定目标对象的车型信息为第一车型。
11.通过采用上述技术方案，若目标对象的全部图像信息中包含一张第一车型的完整结构图像，则能够基于第一车型的完整结构图像，从而能够准确地确定出目标对象的车型为第一车型。
12.在另一种可能实现的方式中，针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息，包括：针对每一个目标对象，将目标对象的全部图像信息进行融合，生成目标对象的整合图像；对整合图像进行文字识别；若从整合图像中识别到的文字中包含预设关键字，则确定目标对象的车型信息为第二车型；其中，预设关键字为第二车型的特征。
13.通过采用上述技术方案，将目标对象的全部图像信息进行融合，从而能够获取到目标对象的整合图像，通过对目标对象的整合图像进行分析，能够判断整合图像中是否包含预设关键字，整合图像中包含预设字符时，进而直接确定目标对象的车型信息。
14.在另一种可能实现的方式中，针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息，包括：针对每一个目标对象，若目标对象的全部图像信息中包括预设部位对应的图像信息，则将目标对象的全部图像信息进行融合，生成目标对象的整合图像；从整合图像中确定目标对象的特征信息；确定目标对象的车型信息为包含特征信息的第三车型。
15.通过采用上述技术方案，当目标对象的全部图像信息包含目标对象的预设部位图像时，将目标对象的全部图像信息进行融合，从而得到目标对象的整合图像，也就是包含目标对象完整结构的图像信息，能够对整合图像进行分析，从整合图像中提取目标对象的特征信息，基于目标对象的特征信息确定目标对象的车型信息，以进一步提升目标对象车型信息的准确度。
16.在另一种可能实现的方式中，该方法还包括：针对每一个目标对象，若目标对象的全部图像信息的数量不小于预设值，则将目标对象确定为待识别对象；针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息，包括：针对每一个待识别对象，基于待识别对象的全部图像信息，确定待识别对象的车
型信息。
17.通过采用上述技术方案，能够判断目标对象的图像信息与预设值的关系，将小于预设值的目标对象清除，将不小于预设值的目标对象确定为待识别对象，对待识别对象进行继续跟踪，确定待识别对象的车型信息，从而减少因没有跟踪上某一目标对象，而落下某一目标对象的可能性。
18.在另一种可能实现的方式中，该方法还包括：若检测到目标对象从第一预设区域到第二预设区域的位移变化，则向图像获取装置发送抓拍信号，以使得图像获取装置从预设方位拍摄目标对象的图像；获取图像；对图像提取车辆标识信息；基于车辆标识信息修正目标对象的车型信息。
19.通过采用上述技术方案，能够检测到目标对象从第一预设区域到第二预设区域的位移变化，并在目标对象发生第一预设区域到第二预设区域的变化时，发出抓拍信号，获取抓拍图像，对目标对象的车型信息进行修正，以进一步提高目标对象车型信息的准确度。
20.第二方面，本技术提供了一种车型识别装置，采用如下的技术方案：一种车型识别装置，包括：监测图像获取模块，用于获取若干帧监测图像，所述若干帧监测图像中包含至少一个目标对象的图像信息，所述图像信息为所述目标对象的侧面图像信息；识别模块，用于利用预先训练好的目标检测模型，识别出每帧所述监测图像中所包含的目标对象的图像信息；图像信息确定模块，用于基于每帧所述监测图像包含的所述目标对象的图像信息，对目标对象进行跟踪，确定每一个目标对象的全部图像信息；车型信息确定模块，针对每一个目标对象，用于基于所述目标对象的全部图像信息，确定所述目标对象的车型信息。
21.通过采用上述技术方案，监测图像获取模块能够获取若干帧监测图像，并对每帧监测图像进行分析，识别模块能够得到每帧监测图像中包含目标对象的图像信息，从而便于对目标对象进行跟踪，并使得图像信息确定模块能够确定目标对象的全部图像信息，进而能够基于目标对象的全部图像信息，并对目标对象的全部图像信息，能够通过图像处理技术，使车型信息确定模块能够确定出目标对象的车型信息，由此可以省去工作人员依次查看目标对象的车轮数来确定车型信息，降低了人工成本，也减少了因感应设备损坏维修感应设备带来的经济损失。
22.在另一种可能的实现方式，图像信息确定模块在基于每帧监测图像包含的目标对象的图像信息，对目标对象进行跟踪，确定每一个目标对象的全部图像信息时，具体用于：针对每一帧监测图像中的每一个目标对象的图像信息，与检测图像的前一帧检测图像中的每一个目标对象的图像信息进行比较，确定相似度；将相似度高于预设阈值的图像信息确定为同一目标对象的图像信息；确定每一个目标对象的全部图像信息。
23.在另一种可能的实现方式中，车型信息确定模块在针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息时，具体用于：
当目标对象的全部图像信息中包含一副预设图像信息时，预设图像信息包含第一车型的完整结构，则确定目标对象的车型信息为第一车型。
24.在另一种可能的实现方式中，车型信息确定模块在针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息时，具体还用于：针对每一个目标对象，将目标对象的全部图像信息进行融合，生成目标对象的整合图像；对整合图像进行文字识别；若从整合图像中识别到的文字中包含预设关键字，则确定目标对象的车型信息为第二车型；其中，预设关键字为第二车型的特征。
25.在另一种可能的实现方式中，车型信息确定模块在针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息时，具体还用于：针对每一个目标对象，若目标对象的全部图像信息中包括预设部位对应的图像信息，则将目标对象的全部图像信息进行融合，生成目标对象的整合图像；从整合图像中确定目标对象的特征信息；确定目标对象的车型信息为包含特征信息的第三车型。
26.在另一种可能的实现方式中，该装置还包括：待识别对象确定模块，其中，待识别对象确定模块，用于针对每一个目标对象，当目标对象的全部图像信息的数量不小于预设值时，将目标对象确定为待识别对象。
27.在另一种可能的实现方式中，车型信息确定模块在针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息时，具体还用于：针对每一个待识别对象，基于待识别对象的全部图像信息，确定待识别对象的车型信息。
28.在另一种可能的实现方式中，该装置还包括：发送模块、图像获取模块、提取模块以及修正模块，其中，发送模块，用于当检测到目标对象从第一预设区域到第二预设区域的位移变化时，向图像获取装置发送抓拍信号，以使得图像获取装置从预设方位拍摄目标对象的图像；图像获取模块，用于获取图像；提取模块，用于对图像提取车辆标识信息；修正模块，用于基于车辆标识信息修正目标对象的车型信息。
29.第三方面，本技术提供一种电子设备，采用如下的技术方案：一种电子设备，该电子设备包括：一个或多个处理器；存储器；一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据第一方面所示的一种车型识别方法。
30.第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，包括：存储有能够被处理器加载并执行实现第一方面
所示的一种车型识别方法的计算机程序。
31.综上所述，本技术包括以下至少一种有益技术效果：1. 获取若干帧监测图像，并对每帧监测图像进行分析，得到每帧监测图像中包含目标对象的图像信息，从而便于对目标对象进行跟踪，并确定目标对象的全部图像信息，进而能够基于目标对象的全部图像信息，并对目标对象的全部图像信息，能够通过图像处理技术，确定出目标对象的车型信息，由此可以省去工作人员依次查看目标对象的车轮数来确定车型信息，降低了人工成本，也减少了因感应设备损坏维修感应设备带来的经济损失；2. 检测到目标对象从第一预设区域到第二预设区域的位移变化，并在目标对象发生第一预设区域到第二预设区域的变化时，发出抓拍信号，获取抓拍图像，对目标对象的车型信息进行修正，以进一步提高目标对象车型信息的准确度。
附图说明
32.图1是本技术实施例的一种车型识别方法流程示意图。
33.图2是本技术实施例的一种车型识别装置结构示意图。
34.图3是本技术实施例的一种电子设备的结构示意图。
具体实施方式
35.下面结合说明书附图1-附图3对本技术实施例作进一步详细描述。
36.本具体实施例仅仅是对本技术的解释，其并不是对本技术的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本技术的权利要求范围内都受到专利法的保护。
37.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
38.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
39.目前在高速公路出入口场景下，治超车道的车辆收费类型主要是通过车辆车轮数目进行区分，从而确定车型信息，进而确定收费类型。
40.在相关技术中可以通过以下两种方法确定车轮信息，一种方法是通过工作人员在高速公路出入口确认车轮数量，但是确认过程时间较长，工作人员易出现视觉疲劳，甚至出现错误；另一种方法是通过在地面上铺设感应设备，感应车轮数量，但是由于感应设备长期被载货货车碾压，感应设备易损坏，更换感应设备需要将道路封闭，施工复杂，为交通带来不便。
41.为了便于识别车轮数量，进而确定车型信息，本技术实施例提供了一种车型识别方法，能够基于高速出入口侧面摄像头拍摄的视频，对视频中的若干帧图像进行目标检测，对目标对象进行跟踪，从而实时完成对车辆图像的准确拼接，确定车辆轮数，进而确定车型信息，车型识别方法可以适用于任何公路场景。
42.在高速公路出入收费口处，通过侧面安装摄像头，拍摄车辆经过的侧面视频，在视频中检测轿车、货车车头、货车车轮以及货车车尾，并对轿车、货车车头、货车车轮以及货车车尾进行跟踪，进行融合，最终输出轿车、货车等收费类型。进一步地，在本技术实施例中主要以高速公路收费口的场景为例进行描述，但是并不作为对本技术实施例的限定。
43.本技术实施例提供了一种车型识别方法，用于对目标对象进行车型识别，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本技术实施例在此不做限制，如图1所示，该方法可以包括：步骤s101，获取若干帧监测图像。
44.其中，若干帧监测图像中包含至少一个目标对象的图像信息。
45.对于本技术实施例，图像信息为目标对象的侧面图像信息，电子设备能够获取到侧面摄像头拍摄的视频，将视频转换成若干帧监测图像。具体地，轿车车身长度较短，货车车身长度较长，为了便于对货车车型进行识别，对货车进行分段，分为货车车头、货车车轮以及货车车尾。其中，包含至少一个目标对象的图像信息为包含至少一个轿车、货车车头、货车车轮或者货车车尾的图像信息。
46.步骤s102，利用预先训练好的目标检测模型，识别出每帧监测图像中所包含的目标对象的图像信息。
47.对于本技术实施例，目标检测模型采用深度学习检测算法，其中检测算法采用深度学习yolo系列算法。
48.yolo算法的核心思想是将目标检测转变成回归问题，利用整个图像作为输入，仅仅通过一个神经网络，得到边界框的位置以及所属类别。
49.yolo-v1算法首先将原始图像缩放成448*448的尺寸，以便整除方便，然后将图像分成ss个单元格，若目标对象的中心落在某个单元格上，则这个单元格负责预测这个目标对象；每个单元格需要预测b个边界框值，为每个边界框预测一个置信度，置信度是待检测目标对象的概率乘边界框和真实iou（intersection over union，交并比）的乘积，例如，把一个图片分成7*7个格子，每个单元格允许预测2个边框，也就是7*7*2个边界框，以此反映边界框预测位置的精度。
50.yolo-v2算法是在yolo-v1算法上的改进，引入了anchor（固定的参考框），同时使用了k-means（k-means clustering algorithm，均值聚类算法）方法，对anchor数量进行了讨论，在精度和速度之间做出了折中。并且修改了网络结构，去掉了全连接层，改成了全卷积结构。在训练时引入了世界树结构，将检测和分类问题看成了一个统一的框架，并且提出了一种层次性联合训练方法，将imagenet分类数据集和coco检测数据集同时对模型进行训练。
51.yolo-v3算法是在yolo-v1算法和yolo-v2算法基础上的改进，通过多种先进方法的融合，每个框使用多标签分类来预测边界框可能包含的类，使用二元交叉熵损失来进行类别预测，对重叠的标签，多标签方法可以更好的模拟数据。在跨尺寸预测时，采用类似fpn（feature pyramid networks，网络原理解析)的上采样和融合方法，在多个scale的特征图
上做检测，对于小目标的检测效果提升较高。
52.具体地，本技术实施例主要采用yolo-v3算法。首先确定目标对象的样本图像信息，再基于目标对象的样本图像信息，对目标检测模型进行训练。将若干帧监测图像输入到训练好的目标检测模型中，得到每帧监测图像中包含的目标对象的图像信息。具体地，将若干帧监测图像输入到yolo-v3模型中，能够获取到每帧监测图像中包含的是轿车、是货车车头、是货车车轮还是货车车尾。
53.步骤s103，基于每帧监测图像包含的目标对象的图像信息，对目标对象进行跟踪，确定每一个目标对象的全部图像信息。
54.对于本技术实施例，基于每帧监测图像所包含目标对象的图像信息，对轿车、货车车头、货车车轮以及货车车尾进行分类跟踪。例如，当帧监测图像中包含轿车的图像信息时，对轿车进行跟踪，确定出轿车的全部图像信息；当帧监测图像包含货车的图像信息时，对货车车头进行跟踪，得到货车车头、货车车轮以及货车车尾的全部图像信息，确定货车的全部图像信息。
55.步骤s104，针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息。
56.对于本技术实施例，基于目标对象的全部图像信息，快速且实时地拼接出目标对象的完整侧面图像，从而确定目标对象的车型信息，进而便于确定车型信息。
57.具体地，在本技术实施例中，步骤s103中基于每帧监测图像包含的目标对象的图像信息，对目标对象进行跟踪，确定每一个目标对象的全部图像信息，具体可以包括步骤s1031（图中未示出）、s1032（图中未示出）以及s1033（图中未示出），其中，步骤s1031，针对每一帧监测图像中的每一个目标对象的图像信息，与该帧监测图像的前一帧监测图像中的每一个目标对象的图像信息进行比较，确定相似度。
58.对于本技术实施例，确定当前帧监测图像目标对象的位置与前一帧监测图像目标对象的位置的相似度。具体地，根据cross_area 与 r*min（area1，area2)的差值确定相似度。其中，r为比例阈值，可以设置为0.7，该比例阈值为经验阈值，即收集样本，基于当前样本，经过有限次试验后得出的效果较好的比例阈值；area1为当前帧监测图像中检测到的某一目标对象的图像在该帧中所占面积，area2为前一帧监测图像中检测到的某一目标对象的图像在该帧中所占面积。cross_area为较差面积，即area1、area2对应的两目标对象的图像的重叠面积。
59.步骤s1032，将相似度高于预设阈值的图像信息确定为同一目标对象的图像信息。
60.对于本技术实施例，将cross_area 》 r*min（area1，area2)的图像信息确定为相似度高于预设阈值的图像信息。当图像信息满足cross_area 》 r*min（area1，area2)时，则确定图像信息为同一个目标对象的图像信息，即跟踪到了同一目标对象在连续两帧监测图像中的图像信息。
61.步骤s1033，确定每一个目标对象的全部图像信息。
62.对于本技术实施例，确定每一个目标对象的全部图像信息，能够提高确定目标对象的车型信息结果的准确性。例如，当识别出监测图像中包含的轿车的图像信息时，确定当前轿车的全部图像信息，能够基于全部图像信息，准确地确定当前目标对象为轿车。
63.具体地，在本技术实施例中，步骤s104中针对每一个目标对象，基于目标对象的全
部图像信息，确定目标对象的车型信息，具体可以包括步骤s1041a（图中未示出），其中，步骤s1041a，若目标对象的全部图像信息中包含一副预设图像信息，预设图像信息包含第一车型的完整结构，则确定目标对象的车型信息为第一车型。
64.对于本技术实施例，第一车型为轿车，当识别到目标对象的全部图像中包含一副包含轿车的完整结构的图像时，则确定目标对象为轿车。
65.具体地，在本技术实施例中，步骤s104中针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息，具体还可以包括步骤s104b1（图中未示出）、步骤s104b2（图中未示出）、步骤s104b3（图中未示出），其中，步骤s104b1，针对每一个目标对象，将目标对象的全部图像信息进行融合，生成目标对象的整合图像。
66.对于本技术实施例，当检测到目标对象为货车车头或货车车轮或货车车尾时，为了确定车型信息，将包含货车的所有图像信息进行融合，得到关于货车的整合图像。
67.步骤s104b2，对整合图像进行文字识别。
68.对于本技术实施例，基于整合图像，先对图像进行预处理，消除图像中无关信息，再对图像进行文本检测，将图像上的文字和其他环境分离开，然后进行字符分割，将文字分割成单个的字符，最后进行字符分类，确定每一个字符的内容。
69.步骤s104b3，若从整合图像中识别到的文字中包含预设关键字，则确定目标对象的车型信息为第二车型。
70.其中，预设关键字为第二车型的特征。
71.对于本技术实施例，第二车型为封闭式货车，预设关键字为封闭式货车的特征字符。具体地，可以先获取大量封闭式货车的样本信息，当获取到整合图像时，将整合图像的文字识别结果和大量样本信息进行比对。例如，当检测到整合图像中包含“封闭式货车”或者“封闭货车”，则确定目标对象为“封闭式货车”。
72.具体地，在本技术实施例中，步骤s104中针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息，具体还可以包括步骤s104c1（图中未示出）、步骤s104c2（图中未示出）以及步骤s104c3（图中未示出），其中，步骤s104c1，针对每一个目标对象，若目标对象的全部图像信息中包括预设部位对应的图像信息，则将目标对象的全部图像信息进行融合，生成目标对象的整合图像。
73.对于本技术实施例，预设部位包含货车车头以及货车车尾，为了得到货车的完整图像，将货车的全部图像进行融合，从而生成货车的整合图像。
74.步骤s104c2，从整合图像中确定目标对象的特征信息。
75.对于本技术实施例，目标对象的特征信息可以包括货车的车轮信息和/或车轴信息等。基于整合图像，对货车的车轮进行目标检测，再对检测到的车轮和/或车轴进行数量统计。例如，当从一侧图像中检测到车轮数量为4个时，则整个货车的车轮数量为8个，则确定货车的特征信息为4轴。
76.步骤s104c3，确定目标对象的车型信息为包含特征信息的第三车型。
77.对于本技术实施例，第三车型为货车，得到特征信息后，将特征信息和车型信息一起输出。例如，检测到货车为4轴货车时，输出结果“货4”。
78.本技术实施例的一种可能的实现方式，该方法还包括：步骤s1051（图中未示出）以
及步骤s1052（图中未示出），其中，步骤s1051（图中未示出）以及步骤s1052（图中未示出）可以在步骤s104之后执行，（图中未示出）以及步骤s1052（图中未示出）与其他步骤的执行顺序不做限定，其中，步骤s1051，针对每一个目标对象，若目标对象的全部图像信息的数量不小于预设值，则将目标对象确定为待识别对象。
79.对于本技术实施例，若某一帧中的某一目标对象的图像信息与前一帧中的任一目标对象的图像信息满足cross_area ≤ r*min（area1，area2)，即表示该目标对象在前一帧中未出现过，则将该目标对象作为新生成的跟踪目标，加入目标跟踪结构体。具体地，目标跟踪结构体为包含若干新生成的跟踪目标的集合。
80.为了减少跟踪结果产生误差的可能性，当跟踪对象消失后，判断跟踪结果时，不限于将当前帧和当前帧的上一帧进行比较，可以将当前帧和当前帧之前的若干帧进行比较，确定目标跟踪结构体内的跟踪目标消失的帧数值（在某一帧之后连续未出现过的帧数），判别目标跟踪结构体的跟踪目标消失的帧数值是否大于预设帧数值，预设帧数值为经验帧数值，即通过反复试验后，所能达到效果最好的预设帧数值。若目标跟踪结构体的跟踪目标消失的帧数值不小于预设帧数值，则将目标对象确定为待识别对象；若目标跟踪结构体的跟踪目标消失的帧数值大于预设帧数值，则清除目标对象。
81.例如，预设帧数值为50帧，确定目标跟踪结构体的跟踪目标消失的帧数值，跟踪目标从第3帧开始消失，直到第63帧才出现，则跟踪目标消失的帧数值为60帧，跟踪目标消失的帧数值大于预设帧数值，因此删除跟踪目标。
82.步骤s1052，针对每一个待识别对象，基于待识别对象的全部图像信息，确定待识别对象的车型信息。
83.对于本技术实施例，获取待识别对象的全部图像信息，对待识别对象进行目标跟踪，从而确定待识别对象的车型信息。
84.本技术实施例的一种可能的实现方式，该方法还可以包括：步骤s106（图中未示出）、步骤s107（图中未示出）、步骤s108（图中未示出）以及步骤s109（图中未示出），其中，步骤s106（图中未示出）、步骤s107（图中未示出）、步骤s108（图中未示出）以及步骤s109（图中未示出）可以在步骤s1051（图中未示出）以及步骤s1052（图中未示出）之后执行，步骤s106（图中未示出）、步骤s107（图中未示出）、步骤s108（图中未示出）以及步骤s109（图中未示出）与其他步骤的执行顺序不做限定，其中，步骤s106，若检测到目标对象从第一预设区域到第二预设区域的位移变化，则向图像获取装置发送抓拍信号，以使得图像获取装置从预设方位拍摄目标对象的图像。
85.对于本技术实施例，第一预设区域和第二预设区域是基于预设抓拍线划分的。具体地，图像获取装置为顶装相机，预设方位为斜前方或斜后方，顶装相机安装于高速公路收费口斜前方或斜后方，用于拍摄目标对象的车头或车尾正面图像。
86.具体地，当监测图像长度为1个单位时，目标对象在监测图像中的方向为从右到左，预设抓拍线可以设置为0.75个单位，即将预设抓拍线右侧区域确定为第一预设区域，将预设抓拍线左侧区域确定为第二预设区域，当检测到目标对象从第一预设区域到第二预设区域的位移变化时，向顶装相机发送抓拍信号。例如，在目标对象所占面积覆盖在第一预设区域后，若检测到目标对象所占面积覆盖在第二预设区域时，则为目标对象从第一预设区
域到第二预设区域的位移变化。
87.进一步地，当目标对象行驶进入监测图像后，如果目标对象掉头返回，则不对该目标对象进行获取图像、分析图像等步骤。设置预设抓拍线，将监测图像划分为第一预设区域以及第二预设区域，能够减少因目标对象返回时也对目标对象进行分析的可能性。
88.步骤s107，获取图像。
89.对于本技术实施例，当图像获取装置接收到抓拍信号时，拍摄图像，电子设备获取抓拍图像。
90.步骤s108，对图像提取车辆标识信息。
91.对于本技术实施例，基于抓拍图像，对图像进行分割，确定目标对象的品牌，对图像进行文字提取，确定目标对象的车牌，将目标对象的品牌信息以及目标对象的车牌信息确定为车辆标识信息。
92.步骤s109，基于车辆标识信息修正目标对象的车型信息。
93.对于本技术实施例，为了提高车型信息的准确度，获取抓拍图像后，基于抓拍图像以及监测图像共同确定车型信息，以进一步提高车型信息的准确度。
94.进一步地，上述实施例通过步骤流程的方式介绍了一种车型识别方法，下述实施例从装置结构的角度介绍了一种车型识别装置，适用于上述方法实施例，具体详见下述实施例：本技术实施例提供一种车型识别装置，如图2所示，该车型识别装置20具体可以包括：监测图像获取模块201，用于获取若干帧监测图像，若干帧监测图像中包含至少一个目标对象的图像信息，图像信息为目标对象的侧面图像信息；识别模块202，用于利用预先训练好的目标检测模型，识别出每帧监测图像中所包含的目标对象的图像信息；图像信息确定模块203，用于基于每帧监测图像包含的目标对象的图像信息，对目标对象进行跟踪，确定每一个目标对象的全部图像信息；车型信息确定模块204，针对每一个目标对象，用于基于目标对象的全部图像信息，确定目标对象的车型信息。
95.对于本技术实施例，监测图像获取模块能够获取若干帧监测图像，并对每帧监测图像进行分析，识别模块能够得到每帧监测图像中包含目标对象的图像信息，从而便于对目标对象进行跟踪，并使得图像信息确定模块能够确定目标对象的全部图像信息，进而能够基于目标对象的全部图像信息，并对目标对象的全部图像信息，能够通过图像处理技术，使车型信息确定模块能够确定出目标对象的车型信息，由此可以省去工作人员依次查看目标对象的车轮数来确定车型信息，降低了人工成本，也减少了因感应设备损坏维修感应设备带来的经济损失。
96.本技术实施例的另一种可能的实现方式，图像信息确定模块203在基于每帧监测图像包含的目标对象的图像信息，对目标对象进行跟踪，确定每一个目标对象的全部图像信息时，具体用于：针对每一帧监测图像中的每一个目标对象的图像信息，与检测图像的前一帧检测图像中的每一个目标对象的图像信息进行比较，确定相似度；
将相似度高于预设阈值的图像信息确定为同一目标对象的图像信息；确定每一个目标对象的全部图像信息。
97.本技术实施例的另一种可能的实现方式，车型信息确定模块204在针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息时，具体用于：当目标对象的全部图像信息中包含一副预设图像信息时，预设图像信息包含第一车型的完整结构，则确定目标对象的车型信息为第一车型。
98.本技术实施例的另一种可能的实现方式，车型信息确定模块204在针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息时，具体还用于：针对每一个目标对象，将目标对象的全部图像信息进行融合，生成目标对象的整合图像；对整合图像进行文字识别；若从整合图像中识别到的文字中包含预设关键字，则确定目标对象的车型信息为第二车型；其中，预设关键字为第二车型的特征。
99.本技术实施例的另一种可能的实现方式，车型信息确定模块204在针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息时，具体还用于：针对每一个目标对象，若目标对象的全部图像信息中包括预设部位对应的图像信息，则将目标对象的全部图像信息进行融合，生成目标对象的整合图像；从整合图像中确定目标对象的特征信息；确定目标对象的车型信息为包含特征信息的第三车型。
100.本技术实施例的另一种可能的实现方式，该装置20还可以包括：待识别对象确定模块，其中，待识别对象确定模块，用于针对每一个目标对象，当目标对象的全部图像信息的数量不小于预设值时，将目标对象确定为待识别对象。
101.本技术实施例的另一种可能的实现方式，车型信息确定模块204在针对每一个目标对象，基于目标对象的全部图像信息，确定目标对象的车型信息时，具体还用于：针对每一个待识别对象，基于待识别对象的全部图像信息，确定待识别对象的车型信息。
102.本技术实施例的另一种可能的实现方式，该装置20还可以包括：发送模块、图像获取模块、提取模块以及修正模块，其中，发送模块，用于当检测到目标对象从第一预设区域到第二预设区域的位移变化时，向图像获取装置发送抓拍信号，以使得图像获取装置从预设方位拍摄目标对象的图像；图像获取模块，用于获取图像；提取模块，用于对图像提取车辆标识信息；修正模块，用于基于车辆标识信息修正目标对象的车型信息。
103.本技术实施例提供了一种车型识别装置，通过采用上述技术方案，可以得到包含目标对象侧面的监测图像，对监测图像进行分析，得到包含目标对象的全部图像信息，基于目标对象的全部图像信息，确定目标对象的车型信息，还结合图像获取装置拍摄的目标对象正面或后面图像，得到车辆标识信息，基于车辆标识信息修正目标对象的车型信息，进而
提高目标对象的车型信息的准确度。
104.本技术实施例中还提供了一种电子设备，如图3所示，图3所示的电子设备30包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备30还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备30的结构并不构成对本技术实施例的限定。
105.处理器301可以是cpu（central processing unit，中央处理器），通用处理器，dsp（digital signal processor，数据信号处理器），asic（application specific integrated circuit，专用集成电路），fpga（field programmable gate array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本技术公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。
106.总线302可包括一通路，在上述组件之间传送信息。总线302可以是pci（peripheral component interconnect，外设部件互连标准）总线或eisa（extended industry standard architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
107.存储器303可以是rom（read only memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，ram（random access memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom（electrically erasable programmable read only memory，电可擦可编程只读存储器）、cd-rom（compact disc read only memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
108.存储器303用于存储执行本技术方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
109.其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、pda（个人数字助理）、pad（平板电脑）、pmp（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
110.本技术实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本技术实施例能够获取到若干帧监测图像，对监测图像进行目标检测，得到目标对象，再对目标对象进行目标跟踪，确定每一个目标对象的全部图像信息，基于目标对象的全部图像信息，从而确定目标对象的车型信息，由此可以省去工作人员统计车轮数量去确定车型信息的步骤，也可以省去维修感应设备的步骤，降低了成本的同时，能够确定车型信息。
111.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
112.以上仅是本技术的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。