本發(fā)明專(zhuān)利涉及一種基于手機(jī)等移動(dòng)終端的車(chē)輛品牌評(píng)價(jià)以及導(dǎo)購(gòu)系統(tǒng)，主要應(yīng)用領(lǐng)域?yàn)椴捎檬謾C(jī)等移動(dòng)終端進(jìn)行車(chē)輛信息查詢(xún)和采購(gòu)領(lǐng)域，屬于汽車(chē)應(yīng)用領(lǐng)域。

背景技術(shù)：

基于圖像處理的車(chē)輛類(lèi)型識(shí)別技術(shù)是智能交通系統(tǒng)(Intelligent Transport System，簡(jiǎn)稱(chēng)ITS)中的一項(xiàng)非常重要的技術(shù)，同樣在計(jì)算機(jī)視覺(jué)應(yīng)用領(lǐng)域中占有重要地位。伴隨我國(guó)國(guó)民經(jīng)濟(jì)的快速發(fā)展，企業(yè)用車(chē)、居民購(gòu)車(chē)數(shù)量隨之越來(lái)越多，車(chē)輛購(gòu)買(mǎi)力逐漸增強(qiáng)的趨勢(shì)下，對(duì)車(chē)輛的評(píng)價(jià)以及歷史用戶(hù)的吐槽類(lèi)的信息獲取越來(lái)越成為眾多用戶(hù)的關(guān)注點(diǎn)。本發(fā)明專(zhuān)利的一種基于手機(jī)等移動(dòng)終端的車(chē)輛品牌評(píng)價(jià)以及導(dǎo)售系統(tǒng)采用基于實(shí)時(shí)視頻流的信息獲取方式，實(shí)現(xiàn)了自動(dòng)的進(jìn)行車(chē)輛品牌的識(shí)別、包括生產(chǎn)廠(chǎng)家、生產(chǎn)年度、車(chē)型（小轎車(chē)，SUV，小貨車(chē)、客車(chē)和貨車(chē)）價(jià)格信息、彈幕功能，實(shí)時(shí)看到對(duì)車(chē)輛的信息評(píng)價(jià)以及相應(yīng)的視頻廣告、套牌車(chē)輛的檢測(cè)等擴(kuò)展功能。該系統(tǒng)可以根據(jù)用戶(hù)的使用數(shù)據(jù)，進(jìn)一步篩選出不同模塊信息檢索的評(píng)分值，進(jìn)而統(tǒng)計(jì)排行榜，進(jìn)一步的為用戶(hù)提供可借鑒的信息，已期達(dá)到提高用戶(hù)體驗(yàn)度和廠(chǎng)家的品牌度目的。

現(xiàn)有的車(chē)輛類(lèi)型識(shí)別技術(shù)中，主要集中于對(duì)車(chē)輛類(lèi)型進(jìn)行分步識(shí)別，比如首先對(duì)車(chē)輛款式進(jìn)行分類(lèi)，比如分類(lèi)為大型、中型及小型三類(lèi)，或者轎車(chē)、貨車(chē)、客車(chē)三類(lèi)；然后依據(jù)車(chē)輛品牌類(lèi)別及年款進(jìn)行分類(lèi)，比如大眾、寶馬、奧迪，依據(jù)這些識(shí)別結(jié)果得出車(chē)輛的整體類(lèi)型信息，比如大眾帕薩特2007款，這種車(chē)輛類(lèi)型識(shí)別方法操作復(fù)雜，計(jì)算量大，耗時(shí)較長(zhǎng)，耗資較高。另外，目前車(chē)輛款式的識(shí)別方法需要保證車(chē)輛整體輪廓的清晰度以便檢測(cè)車(chē)輛的實(shí)際尺寸大小，因此該方法較難實(shí)現(xiàn)。另外對(duì)于現(xiàn)有的車(chē)輛類(lèi)型識(shí)別技術(shù)，其中多數(shù)應(yīng)用到了傳統(tǒng)的特征提取方法，比如梯度方向直方圖、局部二值模式紋理，在分析判別時(shí)大多采用了支持向量機(jī)(SupportVector Machine，簡(jiǎn)稱(chēng)SVM)方法。這些方法的使用具有局限性，比如在清晰場(chǎng)景下這些方法都有較高的識(shí)別率，但是在模糊場(chǎng)景下，比如因天氣變化、光線(xiàn)變化所引起的圖像模糊、夜間場(chǎng)景等場(chǎng)景下往往識(shí)別率較低；另外一般選取車(chē)輛的正面圖像(車(chē)頭、車(chē)尾)進(jìn)行品牌識(shí)別，由于車(chē)輛外觀表觀形式復(fù)雜，因此對(duì)所檢測(cè)的車(chē)輛與攝像機(jī)的拍攝距離、拍攝角度有著嚴(yán)格的要求。

對(duì)于車(chē)型識(shí)別算法，常用的方法種類(lèi)比較多，比如基于模板匹配、統(tǒng)計(jì)模式等。例如名稱(chēng)為“基于靜態(tài)圖片的自動(dòng)套牌車(chē)檢測(cè)方法(申請(qǐng)?zhí)枺?01310397152.5)”的中國(guó)發(fā)明專(zhuān)利申請(qǐng)公開(kāi)的技術(shù)方案中，提取靜態(tài)圖片中車(chē)輛前部圖片，確定車(chē)頭燈、散熱器、品牌和保險(xiǎn)杠區(qū)域；提取車(chē)輛圖片的特征，并采用隨機(jī)子空間分類(lèi)器集成方法合并圖片特征；根據(jù)車(chē)頭燈、散熱器、品牌和保險(xiǎn)杠信息確定車(chē)輛品牌。名稱(chēng)為“基于圖像的車(chē)輛品牌識(shí)別方法和系統(tǒng)(申請(qǐng)?zhí)枺?01310416016.6)”的中國(guó)發(fā)明專(zhuān)利申請(qǐng)公開(kāi)的技術(shù)方案中，通過(guò)檢測(cè)車(chē)牌在輸入圖像中的位置；根據(jù)車(chē)牌位置計(jì)算多個(gè)車(chē)輛部件位置；從該多個(gè)車(chē)輛部件位置的每一個(gè)抽取特征向量；以及對(duì)所抽取的特征向量進(jìn)行分類(lèi)并輸出車(chē)輛的品牌信息，該特征向量包括外形特征和形狀特征。上述車(chē)輛品牌型號(hào)的識(shí)別方法，通過(guò)提取車(chē)輛的特征進(jìn)行識(shí)別，檢測(cè)率低同時(shí)誤報(bào)較多。

本發(fā)明所應(yīng)用領(lǐng)域?yàn)榛谄?chē)品牌的導(dǎo)購(gòu)系統(tǒng)，部分車(chē)輛識(shí)別對(duì)象是無(wú)牌車(chē)，所以為了避免車(chē)牌信息的干擾，與前人算法不同之處在于逆操作，就是首先識(shí)別出車(chē)牌位置信息，并將該信息覆蓋掉，作為訓(xùn)練樣本和識(shí)別樣本庫(kù)，以避免對(duì)后續(xù)識(shí)別帶來(lái)的干擾。車(chē)牌在圖像中，具有大量的特征信息，而每個(gè)圖片的車(chē)牌字符均是不同的，所以認(rèn)為車(chē)牌具有高特征信息和高干擾信息的特點(diǎn)，所以本發(fā)明提出在建立樣本庫(kù)和識(shí)別對(duì)象時(shí)，所面臨的對(duì)象集合均是去掉了車(chē)牌信息干擾信息，將輸入對(duì)象進(jìn)行了下采樣的處理和去除冗余信息的干擾，提高了識(shí)別效率和準(zhǔn)確度以及冗余度。能夠滿(mǎn)足移動(dòng)終端資源緊缺，需要較高的實(shí)時(shí)性和準(zhǔn)確率的應(yīng)用需求。

技術(shù)實(shí)現(xiàn)要素：

用戶(hù)可以采用移動(dòng)終端攝像頭進(jìn)行實(shí)時(shí)抓取的含有車(chē)輛車(chē)頭的或者是車(chē)輛車(chē)尾的視頻流的功能，對(duì)準(zhǔn)車(chē)輛就可以自動(dòng)的進(jìn)行車(chē)輛品牌的識(shí)別，在用戶(hù)移動(dòng)終端的屏幕上提供包括生產(chǎn)廠(chǎng)家模塊、生產(chǎn)年度模塊、車(chē)型（小轎車(chē)，SUV，小貨車(chē)、客車(chē)和貨車(chē)）模塊、價(jià)格信息模塊、彈幕功能模塊（實(shí)時(shí)看到對(duì)車(chē)輛的信息評(píng)價(jià)）以及相應(yīng)的視頻廣告模塊、地圖信息購(gòu)車(chē)檢索模塊、套牌車(chē)輛的檢測(cè)功能模塊等擴(kuò)展功能。用戶(hù)對(duì)準(zhǔn)的戶(hù)外車(chē)輛，獲得圖像幀，并通過(guò)識(shí)別模塊啟動(dòng)知識(shí)庫(kù)，該系統(tǒng)可以在線(xiàn)檢索到對(duì)該類(lèi)車(chē)輛的信息評(píng)價(jià)以及相應(yīng)的視頻廣告、套牌車(chē)輛的檢測(cè)等擴(kuò)展功能。該系統(tǒng)可以根據(jù)用戶(hù)的使用數(shù)據(jù)，篩選出不同模塊信息檢索的評(píng)分值，進(jìn)而統(tǒng)計(jì)評(píng)分排行榜，進(jìn)一步的為用戶(hù)提供可借鑒的信息，已期達(dá)到提高用戶(hù)體驗(yàn)度和廠(chǎng)家的品牌度目的，并提供地圖信息購(gòu)車(chē)檢索，為用戶(hù)提供車(chē)輛的導(dǎo)購(gòu)信息，從而在汽車(chē)銷(xiāo)售行業(yè)，提出一種新型的銷(xiāo)售導(dǎo)購(gòu)商業(yè)模式，從而產(chǎn)生巨大的經(jīng)濟(jì)效益和社會(huì)效益。

。對(duì)于輸入樣本，集成分類(lèi)器中每個(gè)基分類(lèi)獨(dú)立地對(duì)其進(jìn)行識(shí)別，最后根據(jù)所有基分類(lèi)器的結(jié)果進(jìn)行綜合判斷，如使用多數(shù)投票表決的方法決定測(cè)試樣本的最終類(lèi)型。集成分類(lèi)器的代表有Baggingt，AdaBoostt和隨機(jī)子等。最近，有一種基于主成分分析(PCA)被稱(chēng)為旋轉(zhuǎn)森林的分類(lèi)器集成方法，它能夠在提升基分類(lèi)器多樣性的同時(shí)保證系統(tǒng)的精確度，首先對(duì)隨機(jī)分割的特征子集進(jìn)行PCA分析，并使用每個(gè)特征子集的PCA系數(shù)構(gòu)建旋轉(zhuǎn)矩陣，實(shí)驗(yàn)證明這種方法比其他幾種分類(lèi)器集成的方法效果要好。車(chē)型識(shí)別的精確度是學(xué)者們普遍追求的目標(biāo)，他們致力于提出降低誤識(shí)率的方法。但是在很多場(chǎng)景中例如監(jiān)控場(chǎng)景，引入帶有“拒識(shí)"選項(xiàng)的分類(lèi)器來(lái)提高系統(tǒng)的可靠性顯得更為重要，即放棄對(duì)某些不確定類(lèi)型的樣本識(shí)別。例如，警方需要鑒別某一時(shí)間點(diǎn)的盜牌車(chē)輛，當(dāng)誤識(shí)的代價(jià)比較高時(shí)，自動(dòng)識(shí)別系統(tǒng)拒絕對(duì)置信度不高的樣本識(shí)別并將這些樣本留給人工進(jìn)行詳細(xì)的處理?？煽康淖R(shí)別系統(tǒng)允許特定領(lǐng)域知識(shí)和專(zhuān)家對(duì)分類(lèi)器決策時(shí)施加額外的壓力以控制精確度。

因該系統(tǒng)是導(dǎo)購(gòu)系統(tǒng)，部分車(chē)輛識(shí)別對(duì)象是無(wú)牌車(chē)，所以為了避免車(chē)牌信息的干擾，與前人算法不同之處在于逆操作，就是首先識(shí)別出車(chē)牌位置信息，并將該信息覆蓋掉，作為訓(xùn)練樣本和識(shí)別樣本庫(kù)，以避免對(duì)后續(xù)識(shí)別帶來(lái)的干擾。車(chē)牌在圖像中，具有大量的特征信息，而每個(gè)圖片的車(chē)牌字符均是不同的，所以認(rèn)為車(chē)牌具有高特征信息和高干擾信息的特點(diǎn)，所以本發(fā)明提出在建立樣本庫(kù)和識(shí)別對(duì)象時(shí)，所面臨的對(duì)象集合均是去掉了車(chē)牌信息干擾信息，將輸入對(duì)象進(jìn)行了下采樣的處理和去除冗余信息的干擾，提高了識(shí)別效率和準(zhǔn)確度以及冗余度。能夠滿(mǎn)足移動(dòng)終端資源緊缺，需要較高的實(shí)時(shí)性和準(zhǔn)確率的應(yīng)用需求。

附圖說(shuō)明

圖1是系統(tǒng)功能框架圖，包括：1移動(dòng)設(shè)備終端 ；2評(píng)價(jià)以及導(dǎo)購(gòu)模塊；3顯示信息模塊；4注冊(cè)信息功能模塊；5彈幕功能模塊；6 相應(yīng)的視頻廣告模塊；7比價(jià)功能模塊；8品牌識(shí)別模塊；9經(jīng)銷(xiāo)商管理模塊；10生產(chǎn)廠(chǎng)家模塊；11車(chē)型（小轎車(chē)，SUV，小貨車(chē)、客車(chē)和貨車(chē)，生產(chǎn)年度 ）模塊檢索模塊；12套牌車(chē)輛的檢測(cè)功能；13地圖信息購(gòu)車(chē)模塊；

圖2預(yù)處理下采樣方法圖，是輸入圖像進(jìn)行車(chē)輛區(qū)域檢測(cè)，定位出車(chē)輛的位置信息后，通過(guò)SVM等方法進(jìn)行車(chē)牌位置的定位，并進(jìn)行特征描述，再分為訓(xùn)練樣本和測(cè)試樣本，訓(xùn)練樣本第一級(jí)訓(xùn)練，去除全部車(chē)牌，之后再進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練；

圖3是在預(yù)處理前進(jìn)行去除車(chē)牌信息的對(duì)比圖像；

具體實(shí)施方式

品牌識(shí)別模塊的步驟如下：

1）基于SVM方法，判斷有無(wú)車(chē)牌以及車(chē)牌的位置，由于定位所需的特征點(diǎn)對(duì)不多，故本發(fā)明對(duì)所有算法對(duì)每一副圖像檢測(cè)到的車(chē)牌特征點(diǎn)數(shù)設(shè)置上限為200，所使用圖片采用一段汽車(chē)行駛的視頻中相近幀截屏所得圖.輸入圖片，輸出為車(chē)牌的位置（X1,y1）（X2,y2）（X3,y2）（X4,y4）；

2）將圖片的車(chē)牌位置的矩形區(qū)域的顏色值RGB =0，即黑色。

3）對(duì)所有的圖片進(jìn)行1、2步的重復(fù)，通過(guò)利用深度卷積網(wǎng)絡(luò)進(jìn)行計(jì)算圖像類(lèi)別特征，深度卷積網(wǎng)絡(luò)采用預(yù)先標(biāo)注好的車(chē)頭數(shù)據(jù)集訓(xùn)練得到車(chē)型識(shí)別模型，利用訓(xùn)練好的深度卷積神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別圖像,提取輸出層的結(jié)果作為車(chē)型類(lèi)別。訓(xùn)練樣本量可以為50萬(wàn)張有標(biāo)注圖像。所為訓(xùn)練樣本庫(kù)。

4）該輸入是通過(guò)手機(jī)實(shí)時(shí)抓取的含有車(chē)輛車(chē)頭的或者是車(chē)輛車(chē)尾的視頻流，將實(shí)時(shí)需要判斷的圖片進(jìn)行1、2步的重復(fù)；

5）4步的處理結(jié)果與預(yù)先建立車(chē)輛類(lèi)別與車(chē)輛類(lèi)型的車(chē)輛信息字典包括：基于車(chē)輛品牌和款式，將車(chē)頭圖像樣本集及車(chē)尾圖像樣本集進(jìn)行分類(lèi)，得到多個(gè)類(lèi)別的多張車(chē)輛圖像；基于多個(gè)類(lèi)別的多張車(chē)輛圖像至少對(duì)深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；利用訓(xùn)練后的深度卷積神經(jīng)網(wǎng)絡(luò)至少提取各個(gè)類(lèi)別下的多張車(chē)輛圖像的特征碼，構(gòu)建特征碼/類(lèi)別/車(chē)輛圖像的關(guān)系庫(kù)；利用訓(xùn)練后的深度卷積神經(jīng)網(wǎng)絡(luò)提取待識(shí)別的車(chē)輛圖像的特征碼，參照特征碼/類(lèi)別/車(chē)輛圖像的關(guān)系庫(kù)，確定車(chē)輛的類(lèi)別信息，識(shí)別車(chē)輛的品牌和款式。

1）從效果來(lái)看，通過(guò)本發(fā)明的應(yīng)用，可以實(shí)時(shí)為用戶(hù)提供車(chē)輛品牌的相關(guān)信息，。

2）發(fā)明提出算法能滿(mǎn)足戶(hù)外條件下，有效的提取特征點(diǎn)并進(jìn)行匹配的任務(wù)，且具有較好的實(shí)時(shí)性和魯棒性。

3）本發(fā)明的下采樣的方法提高了識(shí)別方法準(zhǔn)確型和實(shí)時(shí)性，能夠滿(mǎn)足手機(jī)設(shè)備性能資源有限運(yùn)行環(huán)境。

盡管出于說(shuō)明性目的已經(jīng)公開(kāi)本發(fā)明的優(yōu)選實(shí)施例，但是本領(lǐng)域的普通技術(shù)人員

將懂得各種變更，增加或是替代都是可能的，并不脫離如附帶的權(quán)利要求書(shū)中所公開(kāi)的本

發(fā)明的精神和范圍。