(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 20221094376 6.8 (22)申请日 2022.08.08 (71)申请人 智慧互通科技股份有限公司 地址 075000 河北省张家口市空港经济技 术开发区一期十号楼 (72)发明人 闫军　纪双西　 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/44(2022.01) G06V 10/22(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于可更新复合特征的图片状态变化 识别方法及系统 (57)摘要 本发明公开一种基于可更新复合特征的图 片状态变化识别方法及系统， 涉及智能停车管理 领域， 包括： 用于通过城市内多种位置架设的固 定机位摄像头采集的视频图片进行特定区域不 同状态的识别： 本发明可以基于简单且非常有限 的标注信息建立初始的非深度特征识别模型， 并 通过识别的状态信息迭代更新非深度识别特征 模板数据以及对标注状态识别信息的数据进行 收集， 当收集的数据满足预设条件要求时进行按 预设要求配置的深度度量学习模 型训练， 获取更 为稳定的深度状态识别特征提取器和深度原型 状态特征向量， 进而用于后续 持续的视频采集数 据的状态识别以及区分状态特征的更新， 可以提 升状态识别算法的稳定性、 可靠性， 适用于当前 城市内固定摄像头采集的数据进行图像变化识 别任务的各种实际需求。 权利要求书2页 说明书8页 附图2页 CN 115311495 A 2022.11.08 CN 115311495 A 1.一种基于可 更新复合特 征的图片状态变化识别方法， 其特 征在于， 所述方法包括： 对可区分状态属性的图片的状态类型和预设用于状态区分的图片局部区域进行标注， 生成初始状态变化识别示例数据集； 根据所述初始状态变化识别示例数据集构建初始非深度状态区分模板， 并根据 所述初 始非深度状态区分模板收集包 含两种状态类型的自标注数据集； 当包含两种状态类型的自标注数据集的状态采集数据量和采集时间间隔差大于预设 阈值时， 调用预置深度度量学习模型对所述两种状态类型 的自标注数据集进行训练， 得到 深度状态特 征提取模型和两种预置原型状态特 征向量； 根据实时更新的图片、 所述深度状态特征提取模型、 所述两种预置原型状态特征向量 更新迭代初始非深度状态区分模板和两种预置原型状态特 征向量； 根据更新后的非深度状态区分模板和更新后的两种原型状态特征向量进行图片状态 变化识别。 2.根据权利要求1所述的一种基于可更新复合特征的图片状态变化识别方法， 其特征 在于， 所述根据所述初始状态变化识别示例数据集构建初始非深度状态区分模板的步骤包 括： 通过预置标注区域 坐标对所述初始状态变化识别示例数据集中的图片进行裁 剪； 根据所述状态类型对所述图片进行分组后， 对所述裁剪后的图片进行图片数据平均， 并对分组平均后的图片进行 数据预处 理， 获取状态区分模板图片。 3.根据权利要求2所述的一种基于可更新复合特征的图片状态变化识别方法， 其特征 在于， 所述根据所述初始非深度状态区分模板收集包含两种状态类型的自标注数据集的步 骤包括： 按预设采样间隔持续获取视频采集图片数据， 并对采集的图片进行所述裁剪和所述图 片预处理， 得到变换图片； 将所述变换图片与 所述状态区分模板图片进行结构相似性比较， 获取变换图片相对于 所述状态区分模板图片的结构相似性 参数； 根据变换图片相对于所述状态区分模板图片的结构相似性参数和预置相似性参数阈 值， 进行所述状态区分模板的更新并且生成包 含两种状态类型的自标注数据集。 4.根据权利要求1所述的一种基于可更新复合特征的图片状态变化识别方法， 其特征 在于， 所述根据实时更新的图片、 所述深度状态特征提取模型、 所述两种预置原型状态特征 向量更新迭代初始非深度状态区分模板和两种预置原型状态特 征向量的步骤 包括： 通过预置标注区域 坐标对采集的图片进行裁 剪并获取裁 剪后图片的第一状态类型； 将裁剪后的图片输入到深度状态特征提取模型中获取对应的特征向量， 并根据 所述特 征向量与两种预置原型状态特 征向量的距离， 获取 所述图片的第二状态类型； 根据所述第 一状态类型和所述第 二状态类型， 更新对应的初始非深度状态区分模板和 两种预置原型状态特 征向量。 5.根据权利要求4所述的一种基于可更新复合特征的图片状态变化识别方法， 其特征 在于， 所述根据所述第一状态类型和所述第二状态类型， 更新对应的初始非深度状态 区分 模板和两种预置原型状态特 征向量的步骤 包括： 根据所述第一状态类型和所述第二状态类型获取 所述图片对应的最终状态类型；权　利　要　求　书 1/2 页 2 CN 115311495 A 2根据第一状态类型、 所述第 二状态类型、 以及所述最终状态类型， 配置所述初始非深度 状态区分模板和两种预置原型状态特 征向量的更新策略。 6.一种基于可 更新复合特 征的图片状态变化识别系统， 其特 征在于， 所述系统包括： 生成单元， 用于对可区分状态属性的图片的状态类型和预设用于状态区分的图片局部 区域进行 标注， 生成初始状态变化识别示例数据集； 获取单元， 用于根据所述初始状态变化识别示例数据集构建初始非深度状态区分模 板， 并根据所述初始非深度状态区分模板收集包 含两种状态类型的自标注数据集； 训练单元， 用于当包含两种状态类型的自标注数据集的状态采集数据量和采集时间间 隔差大于预设阈值时， 调用预置深度度量学习模型对所述两种状态类型的自标注数据集进 行训练， 得到深度状态特 征提取模型和两种预置原型状态特 征向量； 更新单元， 用于根据实时更新的图片、 所述深度状态特征提取模型、 所述两种预置原型 状态特征向量更新迭代初始非深度状态区分模板和两种预置原型状态特 征向量； 识别单元， 用于根据 更新后的非深度状态区分模板和更新后的两种原型状态特征向量 进行图片状态变化识别。 7.根据权利要求6所述的一种基于可更新复合特征的图片状态变化识别系统， 其特征 在于， 所述获取单元， 具体用于通过预置标注区域坐标对所述初始状态变化识别示例数据集 中的图片进行裁剪； 根据所述状态类型对所述图片进行分组后， 对所述裁剪后的图片进行 图片数据平均， 并对分组平均后的图片进行 数据预处 理， 获取状态区分模板图片。 8.根据权利要求7所述的一种基于可更新复合特征的图片状态变化识别系统， 其特征 在于， 所述获取单元， 具体还用于按预设采样间隔持续获取视频采集图片数据， 并对采集的 图片进行所述裁剪和所述图片预处理， 得到变换图片； 将所述变换图片与所述状态 区分模 板图片进 行结构相似性比较， 获取变换图片相对于所述状态区分模板图片的结构相似性参 数； 根据变换图片相对于所述状态区分模板图片的结构相似性参数和预置相似性参数阈 值， 进行所述状态区分模板的更新并且生成包 含两种状态类型的自标注数据集。 9.根据权利要求6所述的一种基于可更新复合特征的图片状态变化识别系统， 其特征 在于， 所述更新单元， 具体用于通过预置标注 区域坐标对采集的图片进行裁剪并获取裁剪 后图片的第一状态类型； 将裁剪后的图片 输入到深度状态特征提取模型中获取对应的特征 向量， 并根据所述特征向量与两种 预置原型状态特征向量的距离， 获取所述图片的第二状 态类型； 根据所述第一状态类型和所述第二状态类型， 更新对应的初始非深度状态 区分模 板和两种预置原型状态特 征向量。 10.根据权利要求9所述的一种基于可更新复合特征的图片状态变化识别系统， 其特征 在于， 所述更新单元， 具体还用于根据所述第一状态类型和所述第二状态类型获取所述图 片对应的最终状态类型； 根据第一状态类型、 所述第二状态类型、 以及所述最终状态类型， 配置所述初始非深度状态区分模板和两种预置原型状态特 征向量的更新策略。权　利　要　求　书 2/2 页 3 CN 115311495 A 3