[发明专利]一种基于多视角的车辆检索方法

说明书

技术领域

本发明涉及一种车辆检索技术，具体涉及一种基于多视角的车辆检索方法。

背景技术

车辆检索主要表现为不同地点不同视角的摄像机对同一车辆监控视频结果的匹配，以期找出目标车辆的一种技术。其在智能交通系统、公安刑事侦查以及信息安全等领域具有广泛的应用背景。

正如Zehang Sun和ETreppid在《On-road vehicle detection:a review》一文中提到相对于传统的车辆分类，车辆检索要求在一系列外形相似的车辆中找出特定目标的车辆，这就使得工作变得更具挑战性；不仅如此，还要考虑到实际情况，诸如监控环境、天气情况以及光照条件等因素的影响。一般来说，在实际的监控系统中，对于车辆的搜索和识别主要表现在两个方面，其一是要保证对目标车辆视觉特征予以准确的选择，诸如尺度不变特征变换和几何模糊等传统的图像描述方法，都是通过图像内部的兴趣点推导出来的；近年来，基于边缘分布，质地和颜色等外观特征的提取也用来表示车辆模型，例如Xiaoyu Wang等在《An HOG-LBP human detector with partial occlusion handling》中提到的局部二分模式，Dalal等在《Histograms of oriented gradients for human detection》中提到的面向梯度的直方图和颜色直方图等，另外依据车辆属性的语义搜索系统也已经创建；另一方面，车辆匹配的结果应该由选择特征的相似性来排列。如何构建二维和三维模型是先前学者们提出来的衡量车辆相似性的方法，在《Optimal Edge-Based Shape Detection.》一文中H.Moon等提出了一种优化的二维模型方法。现今大多数度量学习的方法曾经也被用来衡量目标的相似性，根据相似性距离度量使搜索结果重新排列，在《Object Co-detection》一文中，Bao.S等人提到的通过衡量局部相似性能够检测到通过多视角观察到的整体目标，并且也获得了较理想的效果。

但是，由于在不同的视角情况下，加之车辆外观形态的可变性，导致了传统车辆检测方法的不可行性。目前城市规模日益扩大，在海量监控视频中寻找特定车辆面临更大挑战。

发明内容

针对现今在海量监控视频中寻找特定车辆技术的不足，本发明提出了一种可行的方法用来准确匹配城市监控系统中所得监控数据中的目标车辆，即在多视角下，采用基于局部外观相似性的方法来实现目标车辆的检索。

为了实现上述目标，本发明采用的技术方案为一种基于多视角的车辆检索方法，预先建立车辆潜在姿态的方位划分模型，所述方位划分模型中，定义方位划分以摄像机正面摄像点为基准点进行，平均划分为多个方位；预先设定每个方位分别关注的局部块，并建立任意两个方位的局部块对应关系；执行如下步骤，

步骤1，构建车辆查询库，对车辆查询库中每个用于车辆检测的图像，分别依次执行以下操作，

(1)进行车辆识别，识别出图像中车辆区域，并对检测判定为车辆的区域进行车辆姿态估计，然后根据方位划分模型得到车辆姿态所属方位；

(2)根据车辆姿态所属方位提取该方位所关注局部块的视觉特征并存储进车辆查询库，根据局部块的视觉特征采用局部二维模型来表示检测到的车辆区域中目标车辆；

步骤2，输入查询车辆图片I，进行车辆姿态估计，根据方位划分模型得到车辆姿态所属方位，根据划分所得车辆姿态所属方位提取该方位所关注局部块的视觉特征，根据局部块的视觉特征采用局部二维模型来表示查询车辆图片I中目标车辆；

步骤3，将步骤2所得查询车辆图片I的相应局部块视觉特征，与车辆查询库中存储的所有相关用于车辆检测的图像的局部块视觉特征，基于局部二维模型依据相关方位的局部块对应关系进行视觉相似性比对，得到相似度，获取查询车辆图片I的车辆检索结果。

而且，步骤1和步骤2中，根据局部块的视觉特征采用局部二维模型来表示目标车辆，实现方式如下，

设目标车辆用r表示，目标车辆在划分所得方位关注的n个局部块的特征数据分别为p₁,...,p_n，相应车辆局部数据集p＝{p₁,...,p_n}，用v表示目标车辆的方位，目标车辆的局部二维模型为Vec＝(r,v,p)。