[发明专利]基于深度学习算法的特定车辆检索方法

权利要求书

1.一种基于深度学习算法的特定车辆检索方法，包括用户交互系统和数据处理系统，其特征在于：

S1，所述用户交互系统获取目标图片、待检索视频及检索参数并发送给所述数据处理系统；

S2，所述数据处理系统对目标图片和待检索视频进行预处理；

S3，所述数据处理系统利用深度神经网络算法和颜色直方图算法，根据目标图片对待检索视频进行检索处理，并返回检索处理结果给所述用户交互系统；

S31，利用深度神经网络对多个关键帧进行检索获得车辆标定框，并获得所述车辆标定框中候选车辆与各个车型类别的神经网络置信度评分α；其中，所述车辆标定框为深度神经网络通过识别关键帧获得的候选目标框，所述车辆标定框内包含由深度神经网络提取出的候选车辆；

所述神经网络置信度评分α的获取方法如下：

S311，将每个关键帧转换成RGB数值矩阵；

S312，依据RGB数值矩阵对训练好的深度神经网络进行前向传播，获得所述车辆标定框，并计算所述车辆标定框中的候选车辆与各个车型类别的置信度评分；

S313，选取置信度评分最高的类别与所述检索参数进行比对，若匹配，则令置信度评分为神经网络置信度评分α；

S32，利用目标图片的颜色直方图与多个关键帧的颜色直方图进行匹配获得颜色评分β；

S33，对每一个关键帧的α评分和β评分进行求加权平均值γ，

其中，X和Y为预设超参数权值X和预设超参数权值Y；

S34，对加权平均值γ由高到低进行排序，获得目标图片依据可信度排序的检索结果；

S4，所述用户交互系统将所述检索处理结果进行可视化操作。

2.根据权利要求1所述的基于深度学习算法的特定车辆检索方法，其特征在于：S1中所述用户交互系统和所述数据处理系统的结构为B/S结构、C/S结构或单机结构，所述检索参数包括目标车辆的车型、类别，以及各个关键帧的时间间隔。

3.根据权利要求1所述的基于深度学习算法的特定车辆检索方法，其特征在于，S2中对目标图片和待检索视频进行预处理的步骤包括：

S21，对目标图片进行图像增强处理和缩放处理；

S22，将待检索视频转化成序列化的图片；

S23，根据所述检索参数从序列化的图片中提取出多个关键帧；

S24，对多个关键帧进行图像增强处理和缩放处理。

4.根据权利要求1所述的基于深度学习算法的特定车辆检索方法，其特征在于，步骤S32中所述颜色评分β的获取方法如下：

S321，依据所述车辆标定框对每个关键帧进行剪裁获得图片i；

S322，分别生成图片i和目标图片的颜色直方图；

S323，采用Correlation相关系数进行颜色直方图匹配，获得颜色评分β。

5.根据权利要求1所述的基于深度学习算法的特定车辆检索方法，其特征在于，S34中对加权平均值γ由高到低进行排序的方法如下：

S341，将加权平均值γ与相对应的关键帧组成Key-Value Pair；

S342，将组成的Key-Value Pair数据放入红黑树进行排序；

S343，将红黑树按降序输出，获得有序结果序列。

6.根据权利要求5所述的基于深度学习算法的特定车辆检索方法，其特征在于，S4中可视化方法具体如下：

S41，从所述数据处理系统中获取所述有序结果序列；

S42，提取所述有序结果序列中排名前N的结果所对应的关键帧；

S43，显示该N个关键帧的监控视频。