(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 202210291917.6 (22)申请日 2022.03.23 (71)申请人 北京京东乾石科技有限公司 地址 100176 北京市大兴区北京经济技 术 开发区科创十一街18号院2号楼19层 A1905室 (72)发明人 盛捷来　刘洋　郭明杰　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 孙蕾 (51)Int.Cl. G06V 20/62(2022.01) G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/96(2022.01)G06K 9/62(2022.01) G06V 10/74(2022.01) (54)发明名称 图像识别方法、 训练方法、 装置、 系统及 存储 介质 (57)摘要 本公开提供了一种图像识别方法及装置， 适 用于人工智能技术领域和物联网技术领域。 该图 像识别方法包括： 记录从作业场地入口进入作业 场地的车辆的车辆标识， 得到包括至少一个车辆 标识的车辆标识集合； 采集在作业平台周围工作 的车辆的待处理图像信息， 其中， 作业平台位于 作业场地中； 根据待处理图像信息与车辆标识集 合中的车辆标识的预测匹配结果， 识别待处理图 像信息中目标车辆的目标车辆标识。 本公开还提 供了一种图像识别模型的训练方法、 装置、 计算 机系统、 计算机可读存储介质以及计算机程序产 品。 权利要求书3页 说明书16页 附图7页 CN 114663871 A 2022.06.24 CN 114663871 A 1.一种图像识别方法， 包括： 记录从作业场 地入口进入作业场 地的车辆的车辆标识， 得到包括至少一个车辆标识的 车辆标识集 合； 采集在作业平台周围工作的车辆的待处理图像信息， 其中， 所述作业平台位于所述作 业场地中； 根据所述待处理图像信 息与所述车辆标识集合中的车辆标识的预测匹配结果， 识别所 述待处理图像信息中目标 车辆的目标 车辆标识。 2.根据权利要求1所述的方法， 其中， 根据 所述待处理图像信 息与所述车辆标识集合中 的车辆标识的预测匹配结果， 识别所述待处 理图像信息中目标 车辆的目标 车辆标识包括： 对所述待处理图像信 息进行图像特征提取， 得到图像特征向量， 其中， 所述待处理图像 信息中记录有目标信息； 对所述车辆标识集 合中的车辆标识进行文本特 征提取， 得到文本特 征向量； 基于注意力 机制融合所述图像特征向量与 所述文本特征向量， 得到针对所述待处理图 像信息的图像加权特 征向量； 基于所述图像加权特征向量和所述文本特征向量， 确定所述待处理图像信 息的预测匹 配结果； 以及 在所述预测匹配结果表征所述待处理图像信 息与所述车辆标识匹配的情况下， 将所述 待处理图像信息中的目标信息识别为所述目标 车辆标识。 3.根据权利要求2所述的方法， 其中， 对所述待处理图像信息进行图像特征提取， 得到 图像特征向量包括： 将所述待处理图像信 息输入至第 一图像特征提取层， 以便提取所述待处理图像信 息在 第一方向的图像特 征， 输出第一图像特 征向量； 以及 将所述待处理图像信 息输入至第 二图像特征提取层， 以便提取所述待处理图像信 息在 第二方向的图像特 征， 输出第二图像特 征向量； 其中， 所述图像特征向量包括所述第一图像特征向量与所述第二图像特征向量， 所述 第一方向与所述第二方向相垂直。 4.根据权利要求3所述的方法， 其中， 所述基于注意力 机制融合所述图像特征向量与 所 述文本特 征向量， 得到针对所述待处 理图像信息的图像加权特 征向量包括： 将所述第一图像特征向量与 所述文本特征向量输入至第 一注意力层， 输出第 一图像加 权特征向量； 以及 将所述第二图像特征向量与 所述文本特征向量输入至第 二注意力层， 输出第 二图像加 权特征向量； 其中， 所述图像加权特征向量包括所述第 一图像加权特征向量与所述第 二图像加权特 征向量。 5.根据权利要求2所述的方法， 其中， 所述基于所述图像加权特征向量和所述文本特征 向量， 确定所述待处 理图像信息的预测匹配结果包括： 将所述图像加权特征向量和所述文本特征向量进行融合编码， 生成预测输入向量； 以 及 将所述预测输入向量输入至预测分类层， 输出 所述待处 理图像信息的预测匹配结果。权　利　要　求　书 1/3 页 2 CN 114663871 A 26.根据权利要求2所述的方法， 其中， 对所述车辆标识集合中的车辆标识进行文本特征 提取， 得到文本特 征向量包括： 将所述车辆标识集 合中的车辆标识输入至文本特 征提取层， 输出 所述文本特 征向量。 7.根据权利要求6所述的方法， 其中， 所述对车辆标识集合中的车辆标识进行文本特征 提取， 得到文本特 征向量还 包括： 在将所述车辆标识输入至所述文本特征提取层之前， 对所述车辆标识进行补全， 以便 使所述车辆标识中的字符数量满足预设规则。 8.根据权利要求1所述的方法， 其中， 记录从作业场 地入口进入作业场 地的车辆的车辆 标识， 得到包括至少一个车辆标识的车辆标识集 合包括： 采集从所述作业场地入口进入所述作业场地的车辆的车辆图像信息； 根据所述车辆图像信 息， 确定从所述作业场 地入口进入所述作业场 地的车辆的车辆标 识； 根据从所述作业场地入口进入所述作业场地的车辆的车辆标识确定所述车辆标识集 合。 9.一种图像识别模型的训练方法， 包括： 获取训练样本， 其中所述训练样本包括待处理的样本图像信 息、 样本车辆标识， 以及与 所述待处 理的样本图像信息相对应的标签； 以及 利用所述训练样本训练初始图像识别模型， 得到训练后的图像识别模型； 其中， 所述图像识别模型用于实现权利要求1至8中任一项所述的图像识别方法。 10.一种图像识别装置， 包括： 记录模块， 用于记录从作业场地入口进入作业场地的车辆的车辆标识， 得到包括至少 一个车辆标识的车辆标识集 合； 采集模块， 用于采集在作业平台周围工作的车辆的待处理图像信 息， 其中， 所述作业平 台位于所述作业场地中； 以及 识别模块， 用于根据 所述待处理图像信 息与所述车辆标识集合中的车辆标识的预测匹 配结果， 识别所述待处 理图像信息中目标 车辆的目标 车辆标识。 11.一种图像识别模型的训练装置， 包括： 样本获取模块， 用于获取训练样本， 其中所述训练样本包括待处理的样本图像信 息、 样 本车辆标识， 以及与待处 理的样本图像信息相对应的标签； 以及 训练模块， 用于利用所述训练样本训练初始图像识别模型， 得到训练后的图像识别模 型； 其中， 所述图像识别模型用于实现权利要求1至8中任一项所述的图像识别方法。 12.一种计算机系统， 包括： 一个或多个处 理器； 存储器， 用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个 处理器实现权利要求1至8中任一项所述的方法， 或者实现权利要求9所述的训练方法。 13.一种计算机可读存储介质， 其上存储有可执行指令， 该指令被处理器执行时使处理 器实现权利要求1至8中任一项所述的方法， 或者实现权利要求9所述的训练方法。权　利　要　求　书 2/3 页 3 CN 114663871 A 3