当前位置：文档之家 › 【CN109902732A】车辆自动分类方法及相关装置【专利】

【CN109902732A】车辆自动分类方法及相关装置【专利】

  • 格式：pdf
  • 大小：560.73 KB
  • 文档页数：16

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910131839.1
(22)申请日 2019.02.22
(71)申请人 哈尔滨工业大学（深圳）
地址 518000 广东省深圳市南山区西丽深
圳大学城哈工大校区
申请人 惠州市德赛西威汽车电子股份有限
公司
(72)发明人 徐勇　王俊茜　刘晓阳　钟启兴　
(74)专利代理机构 广州嘉权专利商标事务所有
限公司 44205
代理人 唐致明　洪铭福
(51)Int.Cl.
G06K 9/62(2006.01)
(54)发明名称
车辆自动分类方法及相关装置
(57)摘要
本发明公开了一种车辆自动分类方法及相
关装置，根据车辆图像样例和/或车辆模型进行
图像外观扩展以获取车辆样本集，增强了训练样
本的多样性和完整性，以进一步提高后续车辆目
标检测和分类的准确度，克服现有技术中存在车
辆检测方法的准确度低下的技术问题。

权利要求书3页 说明书9页 附图3页CN 109902732 A 2019.06.18
C N 109902732
A
权　利　要　求　书1/3页CN 109902732 A
1.一种车辆自动分类方法，其特征在于，包括：
车辆样本集获取步骤：根据车辆图像样例和/或车辆模型进行图像外观扩展以获取车辆样本集；
车辆目标检测模型训练步骤：根据所述车辆样本集训练车辆目标检测模型；
车辆目标特征表示模型训练步骤：根据所述车辆样本集训练车辆目标特征表示模型；
车辆目标检测步骤：根据待分类的车辆图像和所述车辆目标检测模型获取待分类的车辆目标；
车辆分类步骤：根据所述待分类的车辆目标和所述车辆目标特征表示模型获取车辆的分类结果。

2.根据权利要求1所述的车辆自动分类方法，其特征在于，所述车辆样本集获取步骤具体包括：
车辆模型处理子步骤：根据所述车辆模型获取对应的车辆实物模拟图像；
图像外观扩展子步骤：对所述车辆图像样例和/或所述车辆实物模拟图像进行图像尺寸和/或车辆外观颜色和/或车辆角度和/或车辆外观的新旧程度和/或车辆外观的毁损程度变换扩展以获取多个车辆扩展样本；
车辆样本集获取子步骤：将所述车辆图像样例、所述车辆模型、所述车辆实物模拟图像和所述车辆扩展样本构成所述车辆样本集。

3.根据权利要求2所述的车辆自动分类方法，其特征在于，所述车辆模型处理子步骤具体包括：
对所述车辆模型进行车辆尺寸和/或图像亮度变换扩展以获取所述车辆实物模拟图像。

4.根据权利要求1至3任一项所述的车辆自动分类方法，其特征在于，所述车辆目标检测模型包括快速区域卷积神经网络，所述快速区域卷积神经网络的共享子网络中的卷积层为多分支膨胀卷积结构。

5.根据权利要求4所述的车辆自动分类方法，其特征在于，所述多分支膨胀卷积结构包括输入层、多个膨胀卷积支路、全连接层、与所述全连接层、所述输入层均连接的1×1卷积层、以及与所述1×1卷积层连接的输出层，所述膨胀卷积支路包括膨胀卷积层、与所述膨胀卷积层连接的1×1卷积层，所述膨胀卷积层的膨胀率各不相同，所述输入层与所述膨胀卷积层的输入端连接，所述膨胀卷积支路的1×1卷积层与所述全连接层连接。

6.根据权利要求4所述的车辆自动分类方法，其特征在于，所述车辆目标检测模型训练步骤具体包括：
多分支膨胀卷积结构训练子步骤：根据所述车辆样本集和图像数据库训练所述多分支膨胀卷积结构；
共享子网络预训练子步骤：对所述共享子网络进行预训练以调整网络参数；
迁移子步骤：将训练好的所述共享子网络迁移至所述快速区域卷积神经网络以完成对所述快速区域卷积神经网络的训练。

7.根据权利要求1至3任一项所述的车辆自动分类方法，其特征在于，所述车辆目标特征表示模型包括级联CNN结构，所述级联CNN结构包括多个CNN网络，所述级联CNN结构采用全连接的方式，具体地，先对低层的卷积特征进行均值池化的下采样操作，再与下一层的卷
2。

合集下载

一种专利技术分类装置

一种专利技术分类装置

一种专利技术分类装置随着科技的进步，专利技术的申请数量也随之增长。

而对于专利管理机构来说，对这些技术进行分类、整理和管理，是非常重要的一项工作。

本文将介绍一种能够帮助专利管理机构快速分类和整理专利技术的装置。

这种装置是一种基于人工智能和机器学习技术的设备，可以自动分析专利技术的相关信息，并将其分类归档。

它包含以下三个主要部分：1. 数据采集和处理系统这部分系统的作用是采集和处理专利技术的相关信息。

它可以通过互联网和专利数据库等途径，获取专利技术的基本信息、摘要、说明书、图纸等内容。

然后，通过自然语言处理和文本分析技术，对这些信息进行处理和分析，提取出其中的关键信息和特征。

2. 专利技术分类系统这部分系统的作用是将采集和处理的专利技术进行分类。

它基于机器学习技术，通过分析专利技术的相关信息，自动判断其所属的技术领域和子领域，并将其分配到相应的分类标准下。

其中，分类标准可以根据实际需要进行设计和修改，以满足不同的需求和应用场景。

3. 专利技术管理系统这部分系统的作用是对分类好的专利技术进行管理和归档。

它可以将分类好的技术按照各自的分类标准进行归档，方便后续的查询和使用。

同时，它还可以对专利技术进行监测和分析，为企业、研究机构等提供技术分析和情报服务。

以上三部分组成了该专利技术分类装置的主要系统。

通过这种装置的使用，专利管理机构可以实现对专利技术的快速分类和整理，提高工作效率和质量，并为企业、研究机构等提供更好的技术服务。

值得一提的是，该装置的核心技术基于人工智能和机器学习技术。

这些技术早已被广泛应用于各个领域，如自然语言处理、图像识别、智能交互、智能制造等。

随着技术的不断发展和创新，它们还将带来更广泛的应用和更深远的影响。

总之，该专利技术分类装置是一项非常有价值的技术创新，它可以有效地解决专利管理机构的分类和整理难题，为专利行业的发展提供更好的支持和服务。

相信在未来的发展中，它还会不断地优化和完善，为人们的生产和生活带来更多的创新和贡献。

车辆自动管理装置[实用新型专利]

车辆自动管理装置[实用新型专利]

专利名称：车辆自动管理装置专利类型：实用新型专利
发明人：杨龙,罗德强
申请号：CN02279611.8
申请日：20021017
公开号：CN2577346Y
公开日：
20031001
专利内容由知识产权出版社提供
摘要：一种车辆自动管理装置，其主要特征是它包括一装于车辆上的车辆编号系统和一装于检测、收费站的编号检测及管理系统；车辆编号系统包括单片机1、无线收发芯片2，单片机1内由交通部门植入本车编号，单片机1控制无线收发芯片2接收触发信号，且发射内部编码。

编号检测及管理系统包括无线收发芯片3、单片机4、计算机5和驱动控制设备6，单片机4控制无线收发芯片3不断发射触发信号，待车辆编号系统发射出内部编码时，接收信号，由单片机4完成解码工作，且将信号送至计算机5，由计算机5对信号处理并发出控制指令，完成车辆自动交费、管理。

申请人：杨龙
地址：441322 湖北省随州市均川镇九龙永福寺村二组
国籍：CN
代理机构：襄樊崇科专利事务所
代理人：何静月
更多信息请下载全文后查看。

一种车辆自动识别装置[实用新型专利]

一种车辆自动识别装置[实用新型专利]

专利名称：一种车辆自动识别装置
专利类型：实用新型专利
发明人：张绍乐,苏建乐,杨辉,钟献双,胡志勇申请号：CN201922224268.4
申请日：20191212
公开号：CN210515655U
公开日：
20200512
专利内容由知识产权出版社提供
摘要：本实用新型公开了一种车辆自动识别装置，包括闸机和车库，所述闸机上端固定设有摄像头，所述闸机内部设有单片机，所述单片机一侧设有车辆识别器，所述车辆识别器下端设有车辆信息存储器，所述闸机一侧设有第一显示屏，所述第一显示屏下端设有第一语音播报器，所述车库内部中心位置设有中心槽，所述中心槽一侧表面固定设有升降电机，所述升降电机一侧传动设有升降杆，所述升降杆一端固定设有滑块，所述滑块上端表面轴动设有挡板，所述挡板一侧设有滑轨，当车辆驶出后，压力传感器感应到，此时挡板升起，避免了他人占据自己的车位，结构科学合理，使用安全方便，为人们提供了很大的帮助。

申请人：广西美拓智能科技有限公司
地址：530000 广西壮族自治区南宁市西乡塘区高新大道55号南宁安吉万达广场10栋2单元3103号
国籍：CN
代理机构：北京同辉知识产权代理事务所(普通合伙)
代理人：吴秋霞
更多信息请下载全文后查看。

分类方法及系统[发明专利]

分类方法及系统[发明专利]

专利名称：分类方法及系统
专利类型：发明专利
发明人：L·O·赖安
申请号：CN201810768505.0申请日：20180713
公开号：CN109283924A
公开日：
20190129
专利内容由知识产权出版社提供
摘要：提供了用于分类对象的系统和方法。

在一个实施例中，一种方法包括：接收与车辆的环境相关联的传感器数据；通过处理器处理传感器数据，以确定场景内的元素；通过处理器生成围绕元素的边界框；通过处理器将元素的片段投影到边界框上，以获得深度图像；并且通过将深度图像提供给机器学习模型并接收将元素分类为对象以便辅助控制自主车辆的分类输出来分类对象。

申请人：通用汽车环球科技运作有限责任公司
地址：美国密歇根州
国籍：US
代理机构：中国专利代理(香港)有限公司
更多信息请下载全文后查看。