[发明专利]一种车辆特征分类检索系统和方法有效
申请号: | 201710065703.6 | 申请日: | 2017-02-06 |
公开(公告)号: | CN106897677B | 公开(公告)日: | 2020-04-10 |
发明(设计)人: | 蔡晓东;李隆泽 | 申请(专利权)人: | 桂林电子科技大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/34;G06K9/62 |
代理公司: | 北京轻创知识产权代理有限公司 11212 | 代理人: | 杨立 |
地址: | 541004 广西*** | 国省代码: | 广西;45 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 车辆 特征 分类 检索系统 方法 | ||
1.一种车辆特征分类检索系统,其特征在于,包括:
图像截取模块,用于从设置在道路卡口处的图像采集设备上获取目标车辆图像,根据设定的截取范围在目标车辆图像上进行局部截取,得到车脸图像;
特征提取模块,用于构建卷积神经网络,通过所述卷积神经网络从车脸图像中提取n个目标车辆特征信息;
特征处理模块,用于根据预先构建的特征信息数据库中的特征信息对n个目标车辆特征信息进行预定次数的特征比对,每次特征对比后确定的最高相似度特征信息与特征对比时的目标车辆特征信息进行特征融合,得到融合特征信息,供下一次特征对比时使用,直到完成预定次数的特征对比后得到检索结果;
更新模块,用于根据特征处理模块每次特征融合处理后得到的融合特征对特征信息数据库中特征信息进行更新。
2.根据权利要求1所述一种车辆特征分类检索系统,其特征在于,所述图像截取模块包括:
获取单元,用于从设置在道路卡口处的图像采集设备上获取目标车辆图像;
截取单元,用于通过EasyPR方法在目标车辆图像中定位出车牌,根据车牌在目标车辆图像中的位置,以及预设的高度值和宽度值,得到截取范围,根据截取范围在目标车辆图像上进行局部截取,得到车脸图像。
3.根据权利要求2所述一种车辆特征分类检索系统,其特征在于,所述车脸图像中包括车牌两侧的车灯、车辆品牌标志、进气格栅和车辆保险杠。
4.根据权利要求1所述一种车辆特征分类检索系统,其特征在于,所述特征处理模块包括:
处理单元,用于根据余弦相似度方法将n个目标车辆特征信息与预先构建的特征数据库中的特征信息进行特征比对,得到最高相似度特征信息,并根据预定次数n判断是否完成第n次特征对比,如果不是,则将本次得到的最高相似度特征信息发送特征融合单元,再根据余弦相似度方法将特征融合单元反馈来的融合特征与更新后的特征信息数据库中的特征信息进行下一次的特征对比,否则停止对比,得到检索结果;
特征融合单元,用于将发送来的特征数据库中最高相似度特征信息与目标车辆特征信息进行特征融合,得到融合特征,并将融合特征发送更新模块进行更新,同时将融合特征反馈处理单元中进行下一次的特征相似度对比。
5.根据权利要求1-4任一项所述一种车辆特征分类检索系统,其特征在于,所述更新模块具体用于根据特征处理模块每次特征融合处理后得到的融合特征来替换特征信息数据库中本次特征相似度对比得到的最高相似度特征信息,完成更新。
6.一种车辆特征分类检索方法,其特征在于,包括如下步骤:
从设置在道路卡口处的图像采集设备上获取目标车辆图像,根据设定的截取范围在目标车辆图像上进行局部截取,得到车脸图像;
构建卷积神经网络,通过所述卷积神经网络从车脸图像中提取n个目标车辆特征信息;
根据预先构建的特征信息数据库中的特征信息对n个目标车辆特征信息进行预定次数的特征比对,每次特征对比后确定的最高相似度特征信息与特征对比时的目标车辆特征信息进行特征融合,得到融合特征信息,供下一次特征对比时使用,直到完成预定次数的特征对比后得到检索结果;以及
根据每次特征融合处理后得到的融合特征对特征信息数据库中特征信息进行更新。
7.根据权利要求6所述一种车辆特征分类检索方法,其特征在于,所述从设置在道路卡口处的图像采集设备上获取目标车辆图像,根据设定的截取范围在目标车辆图像上进行局部截取,具体包括如下步骤:
从设置在道路卡口处的图像采集设备上获取目标车辆图像;
通过EasyPR方法在目标车辆图像中定位出车牌,根据车牌在目标车辆图像中的位置,以及预设的高度值和宽度值,得到截取范围,根据截取范围在目标车辆图像上进行局部截取,得到车脸图像。
8.根据权利要求7所述一种车辆特征分类检索方法,其特征在于,所述车脸图像中包括车牌两侧的车灯、车辆品牌标志、进气格栅和车辆保险杠。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学,未经桂林电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710065703.6/1.html,转载请声明来源钻瓜专利网。