(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 202211098991.2 (22)申请日 2022.09.08 (71)申请人 歌尔科技有限公司 地址 266104 山东省青岛市崂山区松岭路 500号 (72)发明人 高金龙　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 高莎 (51)Int.Cl. G06V 20/54(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/44(2022.01) G06V 10/77(2022.01)G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 车辆信息识别方法、 智能穿戴设备和可读存 储介质 (57)摘要 本申请公开了一种车辆信息识别方法、 智能 穿戴设备和可读存储介质， 所述车辆信息识别方 法包括： 获取待识别车辆的车辆图像， 将车辆图 像输入至训练好的YOL O‑V5改进网络模型， 其中， YOLO‑V5改进网络模型为嵌入注意力机制改进模 块的YOLO‑V5网络模型， 获取训练好的YOL O‑V5改 进网络模型识别的车辆图像对应的车辆信息， 并 输出车辆图像对应的车辆信息。 本申请能降低智 能穿戴设备的使用局限性， 使得智能穿戴设备能 够准确识别出 各类型车辆的车辆信息 。 权利要求书3页 说明书15页 附图3页 CN 115512311 A 2022.12.23 CN 115512311 A 1.一种车辆信 息识别方法， 其特征在于， 所述车辆信 息识别方法应用于智能穿戴设备， 所述车辆信息识别方法的步骤 包括： 获取待识别车辆的车辆图像； 将所述车辆图像输入至训练好的YOLO ‑V5改进网络模型， 其中， 所述YOLO ‑V5改进网络 模型为嵌入注意力机制改进模块的YOLO ‑V5网络模型， 所述注意力机制改进模块包括并行 设置的通道 注意力模块和空间注意力模块； 获取训练好的YOLO ‑V5改进网络模型识别的所述车辆图像对应的车辆信息， 并输出所 述车辆图像对应的车辆信息 。 2.如权利要求1所述的车辆信息识别方法， 其特征在于， 所述车辆信息包括车辆型号， 以及所述车辆型号对应的车辆参数信息， 所述获取训练好的YOLO ‑V5改进网络模型识别的 所述车辆图像对应的车辆信息， 并输出 所述车辆图像对应的车辆信息的步骤 包括： 获取所述YOLO ‑V5改进网络模型识别的所述车辆图像对应的车辆型号； 根据所述车辆型号， 从预设的数据库中查找得到所述车辆型号对应的车辆参数信息， 其中， 所述车辆参数信息包括车辆市场报价、 车辆内部配置和车辆出厂年份中的至少一种； 输出所述车辆型号， 以及所述车辆型号对应的车辆参数信息 。 3.如权利要求2所述的车辆信息识别方法， 其特征在于， 所述获取所述YOLO ‑V5改进网 络模型识别的所述车辆图像对应的车辆型号的步骤之前包括: 通过训练好的YOLO ‑V5改进网络模型， 对所述车辆图像进行特征提取， 提取得到所述车 辆图像对应的车辆全局特 征； 通过所述注意力机制改进模块将所述车辆图像对应的车辆全局特征并行输入至所述 通道注意力模块和所述空间注意力模块； 分别获取所述通道注意力模块输出的所述车辆图像对应的通道特征， 以及所述空间注 意力模块输出的所述车辆图像对应的空间特 征； 对所述通道特征和所述空间特征进行特征融合， 得到 融合通道注意力和空间注意力的 关键局部特 征； 通过所述关键局部特 征， 识别出 所述车辆图像对应的车辆型号。 4.如权利要求3所述的车辆信息识别方法， 其特征在于， 所述通过所述关键局部特征， 识别出所述车辆图像对应的车辆型号的步骤 包括： 对所述关键局部特征进行全局平均池化得到第 一特征池化结果， 并对所述关键局部特 征进行全局最大池化得到第二特 征池化结果； 将所述第一特征池化结果和所述第 二特征池化结果沿着通道方向进行拼接， 得到关键 池化特征； 将所述关键池化特 征进行卷积处理后通过 预设的激活函数 得到关键特 征注意力权值； 将所述关键特征注意力 权值与所述车辆全局特征相乘， 得到通道注意力和空间注意力 进行融合的注意力特 征图， 通过预先训练得到的特征图映射规则， 识别出所述注意力特征图映射的车辆型号， 并 将所述注意力特 征图映射的车辆型号， 作为所述车辆图像对应的车辆型号。 5.如权利要求1所述的车辆信 息识别方法， 其特征在于， 所述将所述车辆图像输入至训 练好的YOLO ‑V5改进网络模型的步骤之前：权　利　要　求　书 1/3 页 2 CN 115512311 A 2获取各车辆型号对应的多张车辆图片， 以及各所述车辆图片对应车辆型号的车型标 签， 并分别将各 所述车辆图片与其对应的车 型标签进行 标签关联， 得到车 型样本图片集； 将所述车型样本图片集按照预设比例分为车型识别训练样本集和车型识别验证样本 集； 通过所述车型识别训练样本集， 对预设的YOLO ‑V5改进网络模型进行训练， 并通过所述 车型识别验证样本集， 对预设的YOLO ‑V5改进网络模型的识别准确率进行验证； 若验证的所述识别准确率达到预设准确率阈值， 则停止对YOLO ‑V5改进网络模型进行 训练， 得到训练好的YOLO ‑V5改进网络模型。 6.如权利要求5所述的车辆信 息识别方法， 其特征在于， 所述分别将各所述车辆图片与 其对应的车 型标签进行 标签关联， 得到车 型样本图片集的步骤之后包括： 将所述车型识别训练样本集中的各图片进行数据增强处理， 得到数据增强样本图片 集； 分别随机将所述数据增强样本图片集中的预置数量幅图片拼接为一张图片， 得到 Mosaic增强样本图片集， 其中， 所述预置数量大于一； 所述将所述车型样本图片集按照预设比例分为车型识别训练样本集和车型识别验证 样本集的步骤 包括： 将所述Mosaic增 强样本图片集按照预设比例 分为车型识别训练样本集和车型识别验 证样本集。 7.如权利要求6所述的车辆信 息识别方法， 其特征在于， 所述分别随机将所述数据增强 样本图片集中的预置数量幅图片拼接为一张图片， 得到Mosaic增强样本图片集的步骤之后 包括： 将所述Mosaic增强样本图片集中的各图片增加高斯噪声， 得到增加高斯噪声后的 Mosaic增强样本图片集； 所述将所述Mosaic增 强样本图片集按照预设比例分为车型识别训练样本集和车型识 别验证样本集的步骤 包括： 将增加高斯噪声后的Mosaic增强样本图片集， 按照预设比例分为车型识别训练样本集 和车型识别验证样本集。 8.如权利要求1所述的车辆信 息识别方法， 其特征在于， 所述输出所述车辆信 息的步骤 包括： 通过所述智能穿戴设备的显示屏幕显示所述车辆信息； 和/或， 通过所述智能穿戴设备的扬声器播 放所述车辆信息 。 9.一种智能穿戴设备， 其特 征在于， 所述智能穿戴设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行权利要求 1至8中任一项 所述车辆信息识别方 法的步骤。 10.一种可读存储介质， 其特征在于， 所述可读存储介质为计算机可读存储介质， 所述 计算机可读存储介质上存储有实现车辆信息识别方法的程序， 所述 实现车辆信息识别方法权　利　要　求　书 2/3 页 3 CN 115512311 A 3