[发明专利]一种车辆特征分类检索系统和方法

说明书

技术领域

本发明主要涉及图像检索领域，具体涉及一种车辆特征分类检索系统和方法。

背景技术

近年来，随着国内经济水平不断的进步，汽车已成为千万家庭外出必备的工具，因此汽车数量成爆炸倍增长，在这种情况下，智能的交通的发展成为了必然，同时随着GPU能力不断提高也使得卷积神经网络取得了大突破，这也为智能交通系统应用提供了更有效的方式。

在智能交通系统中，车辆型号检索是极其重要的一部分。车辆型号识别就是利用每个型号的车辆之间存在着或多或少的差异，即便是同一品牌不同车型也有着差异。因此利用此特性可以进行车型识别，并在城市交通监控、车辆追踪等领域都有着广泛的前景。

在智能交通系统中，每个城市每天都会产生千万条的交通信息，因此检索的准确率是非常重要的，而传统的检索方式例如MD、ST、CSR等，在数据库中的检索准确率有限，无形中会给智能交通的车辆追踪带来不便，且检索正确率普遍不高。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种车辆特征分类检索系统和方法。

本发明解决上述技术问题的技术方案如下：一种车辆特征分类检索系统，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。

本发明的有益效果是：能够极大的提高检索准确率，进行多次特征比对，每次特征对比后得到的最高相似度特征信息再进行特征融合，将融合特征作为下一次的输入，重复进行对比和融合处理，与现有的传统检索方法相比，检索准确率能够达到96.7％，检提高可靠性和准确性，能够更好的满足智能交通系统的需求，还能够减少设备的投入。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，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。

采用上述进一步方案的有益效果是：能够快速、准确的获得所需的车脸图像，为提取特征信息进行预处理。

进一步，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。

进一步，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。

采用上述进一步方案的有益效果是：进行多次特征比对，每次特征对比后得到的最高相似度特征信息再进行特征融合，将融合特征作为下一次的输入，提高了检索的可靠性和准确性。

进一步，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。

采用上述进一步方案的有益效果是：将融合特征替换本次检索得到的最高相似度特征信息，再进行下一次的检索来提高检索的稳定性。

本发明解决上述技术问题的另一技术方案如下：一种车辆特征分类检索方法，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；