(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 202211028939.X (22)申请日 2022.08.26 (71)申请人 北京海上升科技有限公司 地址 102602 北京市大兴区榆 顺路12号D座 1051号中 国(北京)自由贸易试验区高 端产业片区 (72)发明人 黄建浩　 (74)专利代理 机构 成都鱼爪智云知识产权代理 有限公司 513 08 专利代理师 杨洪婷 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/74(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06Q 30/02(2012.01) (54)发明名称 基于人工智能的智慧交通品牌汽车大数据 检测方法及系统 (57)摘要 本发明提出了基于人工智能的智慧交通品 牌汽车大数据检测方法及系统， 涉及数据检测技 术领域。 通过获取多个待检测图像； 采用多目标 检测互验的方法对待检测图像进行检测； 利用目 标检测方法进行目标检测， 生 成多个待检测商 标 区域； 分别计算待检测商 标区域与各个商标模板 图像的多区域熵值相似度； 利用对应的品牌商 标 检测模型对待检测商 标区域进行判别； 根据商 标 判别结果， 基于多边缘检测算子的匹配方法计算 对应的商标模板图像和待检测商标区域的相似 度； 根据相似度得到待检测商标区域的检测结 果； 进而统计得到待检测图像中各个品牌汽车数 据； 根据各个待检测图像中各个品牌汽车数据统 计得到品牌汽 车检测数据。 显著地提升了汽车商 标品牌检测的精准度。 权利要求书3页 说明书12页 附图4页 CN 115100450 A 2022.09.23 CN 115100450 A 1.一种基于人工智能的智慧交通品牌汽车大数据检测方法， 其特征在于， 包括以下步 骤： 获取各个道路区域的多个图像作为多个待检测图像； 采用多目标检测互验的方法对待检测图像进行检测， 生成多个汽车检测图像； 对各个汽车检测图像分别利用目标检测方法进行目标检测， 生成多个待检测商标区 域； 分别计算待检测商标区域与预置的车辆商标模板库中的各个商标模板图像的多区域 熵值相似度， 得到多个多区域熵值相似度结果； 根据各个多区域熵值相似度结果在预置的品牌商标检测模型库中提取对应的品牌商 标检测模型； 利用对应的品牌商标检测模型对待检测商标区域进行判别， 生成商标判别结果； 根据各个多区域熵值相似度结果在预置的车辆商标模板库中提取对应的商标模板图 像； 根据商标判别结果， 基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检 测商标区域的相似度； 根据对应的商标模板图像和待检测商标区域的相似度得到待检测商标区域的检测结 果； 根据各个待检测商标区域的检测结果统计得到待检测图像中各个品牌汽车 数据； 根据各个待检测图像中各个品牌汽车 数据统计得到品牌汽车检测数据。 2.根据权利要求1所述的基于人工智能的智慧交通品牌汽车大数据检测方法， 其特征 在于， 所述分别计算待检测商标区域与预置的车辆商标模板库中的各个商标模板图像的多 区域熵值相似度， 得到多个多区域熵值相似度结果的步骤 包括以下步骤： 将待检测商标区域与 预置的车辆商标模板库中的各个商标模板图像分别进行等分， 得 到多个待检测商标等分区域和多个商标模板等分图像； 分别计算各个待检测商标等分区域的熵值和各个商标模板等分图像的熵值； 将各个待检测商标等分区域的熵值与对应的商标模板等分图像的熵值进行对比， 得到 多个熵值对比结果； 根据多个熵值对比结果得到待检测商标区域与各个商标模板图像的多区域熵值相似 度。 3.根据权利要求2所述的基于人工智能的智慧交通品牌汽车大数据检测方法， 其特征 在于， 还包括以下步骤： 计算待检测商标等分区域中各个 像素点的灰度值； 根据各个 像素点的灰度值计算得到各个灰度在待检测商标等分区域中出现的概 率； 根据各个灰度在待检测商标等分区域中出现的概率利用预置的熵值计算公式计算得 到待检测商标等分区域的熵值。 4.根据权利要求1所述的基于人工智能的智慧交通品牌汽车大数据检测方法， 其特征 在于， 还包括以下步骤： 获取任一品牌的商标图像作为 正训练样本； 获取除该品牌以外的其它品牌商标图像作为负训练样本；权　利　要　求　书 1/3 页 2 CN 115100450 A 2分别对正训练样本和负训练样本进行筛 选， 得到新的正训练样本和新的负训练样本； 利用预置的SVM模型对新的正训练样本和新的负训练样本进行训练， 得到任一品牌对 应的品牌商标检测模型。 5.根据权利要求4所述的基于人工智能的智慧交通品牌汽车大数据检测方法， 其特征 在于， 还包括以下步骤： 对正训练样本中的各个商标图像进行显著性检测， 得到多个显著性检测结果； 根据多个显著性检测结果对正训练样本进行筛 选， 得到预筛 选正训练本； 对预筛选正训练本中的各个商标图像进行峰值信噪比检测， 生成多个峰值信噪比； 根据多个峰值信噪比对预筛 选正训练本进行筛 选， 得到新的正训练本 。 6.根据权利要求1所述的基于人工智能的智慧交通品牌汽车大数据检测方法， 其特征 在于， 所述根据商标判别结果， 基于多边缘检测算子的匹配方法计算对应的商标模板图像 和待检测商标区域的相似度的步骤 包括以下步骤： 判断商标判别结果是否为临界状态， 若是， 则基于多边缘检测算子的匹配方法计算对 应的商标模板图像和待检测商标区域的相似度； 若否， 则根据商标判别结果得到待检测商 标区域的检测结果。 7.根据权利要求6所述的基于人工智能的智慧交通品牌汽车大数据检测方法， 其特征 在于， 所述基于多边缘检测算子的匹配方法计算对应的商标模板图像和待检测商标区域的 相似度的步骤 包括以下步骤： 利用Canny算子对对应的商标模板图像和待检测商标区域分别进行过滤， 生成第一商 标模板图像过 滤的结果和第一待检测商标区域过 滤结果； 分别对第一商标模板图像过滤的结果和第 一待检测商标区域过滤结果进行哈希编码， 得到第一商标模板图像编码和第一待检测商标区域编码； 根据第一商标模板图像编码和第 一待检测商标区域编码， 利用欧式距离计算对应的商 标模板图像和待检测商标区域的相似度， 得到第一相似度； 利用Prewitt算子对对应的商标模板图像和待检测商标区域分别进行过滤， 生成第二 商标模板图像过 滤的结果和第二待检测商标区域过 滤结果； 分别对第二商标模板图像过滤的结果和第 二待检测商标区域过滤结果进行哈希编码， 得到第二商标模板图像编码和第二待检测商标区域编码； 根据第二商标模板图像编码和第 二待检测商标区域编码， 利用欧式距离计算对应的商 标模板图像和待检测商标区域的相似度， 得到第二相似度； 利用Sobel算子对对应的商标模板图像和待检测商标区域分别进行过滤， 生成第三商 标模板图像过 滤的结果和第三待检测商标区域过 滤结果； 分别对第三商标模板图像过滤的结果和第 三待检测商标区域过滤结果进行哈希编码， 得到第三商标模板图像编码和第三待检测商标区域编码； 根据第三商标模板图像编码和第 三待检测商标区域编码， 利用欧式距离计算对应的商 标模板图像和待检测商标区域的相似度， 得到第三相似度； 根据第一相似度、 第 二相似度和第 三相似度得到对应的商标模板图像和待检测商标区 域的相似度。 8.一种基于人工智能的智慧 交通品牌汽车 大数据检测系统， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 115100450 A 3