买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中船凌久高科(武汉)有限公司;中国船舶集团有限公司第七〇九研究所申请的专利一种基于属性融合和模糊乘积量化的改装车辆识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117292326B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311383492.2，技术领域涉及：G06V20/52；该发明授权一种基于属性融合和模糊乘积量化的改装车辆识别方法是由杨志祥;彭坤;杨小涛;熊筠轲;程佳斌;余将其;刘鑫;江丹;涂雅晴设计研发完成，并于2023-10-24向国家知识产权局提交的专利申请。

本一种基于属性融合和模糊乘积量化的改装车辆识别方法在说明书摘要公布了：本发明适用于人工智能与智慧交通领域，提供一种基于属性融合和模糊乘积量化的改装车辆识别方法，本发明在综合向量特征提取中，运用车辆、车牌检测、并行特征提取以及属性融合拼接的方法，得到具有高级车牌语义信息，同时也包含低级的车型属性和颜色属性的综合特征，能够消除背景噪音的干扰，增强车辆三种容易被改装的特征响应强度，有助于弥补单一特征的局限性；另外应用了模糊聚类和余弦相似度的距离计算方法，能契合改装车检索时因输入信息的不确定性；与传统的欧式距离相比，余弦相似度它不受向量长度的影响，在对改装车进行检索时，可以更好地处理维度之间的差异。本发明方法对比原始乘积向量方法在改装车场景下有更高的检索精度与鲁棒性。

本发明授权一种基于属性融合和模糊乘积量化的改装车辆识别方法在权利要求书中公布了：1.一种基于属性融合和模糊乘积量化的改装车辆识别方法，其特征在于，所述改装车辆识别方法包括下述步骤： 步骤S1、对于采集的车辆行驶视频，截取其中含有车辆目标的视频帧并保存，收集截取的不同时间戳的图片组成图库，并利用车辆车牌检测算法对图库图片进行检测并裁剪出图片中的车辆以及对应车牌； 步骤S2、用相应的特征提取算法分别对裁剪图片进行车型、车牌及颜色的原始特征并行提取,将提取到的三种特征向量拼接后得到车辆的n维综合特征向量,然后进行向量分段，得到s个子向量； 步骤S3、对所有的子向量进行模糊聚类，得到k个类聚中心和对应的隶属度矩阵，把对应隶属度按从大到小排序，取最大的若干个隶属度进行子向量的分类，对于待查询车辆图片，采用步骤S2同样方式得到s个子向量，计算每个子向量到k个聚类中心的余弦距离，得到距离表； 步骤S4、根据距离表计算待查询车辆的每个子向量加权距离并排序，统计每个子向量的距离排序序号和，并将序号和从小到大排序，前K个值对应的样本即待查询车辆的K个近邻样本； 步骤S1中，选用PaddleDetection算法进行车辆检测，选用PaddleOCRv3算法进行车牌检测； 所述步骤S2的具体过程如下： 选用ResNet50特征提取算法对裁剪的车辆照片和车牌照片进行车型和车牌的特征提取； 选用基于颜色直方图的统计信息进行车辆颜色的特征提取； 将提取到的三种特征向量融合拼接在一起得到车辆的n维综合特征向量； 对图库中h张图片得到的h个n维综合特征向量，均切分为s段，每段为一个子向量，子向量的维度为ns维； 所述步骤S3的具体过程如下： 针对每段子向量进行模糊聚类，聚类分为k类，得到k个聚类中心，设定一个模糊聚类的目标函数J； 聚类开始时，随机生成一个满足约束条件的隶属度矩阵，通过隶属度矩阵迭代以及聚类中心迭代，当目标函数J的取值趋于稳定时，停止迭代，得到最终的隶属度矩阵，其中隶属度矩阵每一行代表一个样本，共有h个样本，隶属度矩阵的每一列每个值代表属于对应类的隶属度，共有k列；把对应隶属度按从大到小排序，取最大的若干个隶属度进行子向量的分类； 对于待查询车辆图片，通过同样的特征提取、向量拼接、向量分段后，得到s个子向量，针对每一段子向量计算其到k个聚类中心的余弦距离，得到k*s的距离表； 所述步骤S4的具体过程如下： 根据距离表计算待查询车辆的每个子向量的加权距离，得到h个距离的距离集合，并将距离从小到大排序，以排序序号给距离对应的子向量打标签，得到h个以排序序号编码的编码集合； 针对每个编码集合，计算序号数字之和，结果从小到大进行排列，形成新集合； 新集合中前K个值对应的样本即待查询车辆的K个近邻样本。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中船凌久高科(武汉)有限公司;中国船舶集团有限公司第七〇九研究所，其通讯地址为：430074 湖北省武汉市洪山区关山街珞瑜路718号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。