[发明专利]一种快速检索高速公路逃费车辆高相似度图像的方法

权利要求书

1.一种快速检索高速公路逃费车辆高相似度图像的方法，其特征在于：利用计算机的卷积神经网络模型，对采集到的违规车辆的样本图像进行特征提取与识别，并对识别的特征进行相应的K-d树构建，然后利用卷积神经网络对采集到的未知图像进行特征提取，并利用快速高相似度最近邻搜索算法对样本特征进行匹配，以实现高相似度图像的快速检索。

2.根据权利要求1所述的快速检索高速公路逃费车辆高相似度图像的方法，其特征在于，具体包括以下步骤：

①收集违规车辆样本图像，建立车辆管理数据库；

②对样本图像进行归一化，统一车辆图像格式；

③利用卷积神经网络模型，对车辆进行特征提取与识别，得到样本特征；

④对样本特征进行相应的K-d树构建；

⑤对采集到的未知图像提取得特征，在构建的K-d树基础上，将这些特征利用快速高相似度最近邻搜索算法去和样本特征进行匹配，以实现以图搜图作用；

⑥根据步骤⑤得到的匹配程度大小，按照时间顺序输出相似度图像，最后进行人工确认。

3.根据权利要求2所述的快速检索高速公路逃费车辆高相似度图像的方法，其特征在于，所述步骤③中提取的特征包括：

（1）车牌字符特征；

（2）车型特征；

（3）车标、车身颜色特征；

（4）车辆面部特征；

（5）司乘人员的外型和面部特征。

4.根据权利要求2所述的快速检索高速公路逃费车辆高相似度图像的方法，其特征在于：所述步骤⑤中的快速高相似度最近邻搜索算法是在利用K-d树进行近邻查找时通过回溯操作进行改进的方法。

5.根据权利要求2所述的快速检索高速公路逃费车辆高相似度图像的方法，其特征在于：所述步骤③中所使用的卷积神经网络模型是以输入向量和理想输出向量的构成的向量对作为样本集进行卷积神经网络训练后得到的，且训练前使用小随机数对卷积神经网络的各项权值进行初始化。

6.根据权利要求5所述的快速检索高速公路逃费车辆高相似度图像的方法，其特征在于：训练的具体方法包括以下步骤：

第一步，从样本集中取一个样本输入卷积神经网络；

第二步，计算相应的实际输出；

第三步，计算实际输出与相应的理想输出的差；

第四步，按极小化误差的方法反向传播调整权矩阵。