[发明专利]一种基于局部特征的车辆检索方法

说明书

本发明公开了一种基于局部特征的车辆检索方法，具体公开了：用目标检测算法进行车脸和车窗的定位，得到车辆样本；样本通过一定的预处理，定位截取车脸和车窗，搭建多任务loss卷积神经网络的深度学习算法，训练得到CNN网络模型，实现车辆型号的分类和特征提取，用车脸及车窗显著特征进行匹配检索出目标车辆，检索出同一辆车，解决了现有技术中在无车牌的情况，由于同一车型外观无法分辨，难以实现准确检索车辆的技术缺陷。

技术领域

本发明涉及图像处理与检索领域，尤其涉及一种基于局部特征的车辆检索方法。

背景技术

随着交通监控系统的数据库不断的扩大和更新，准确的在大规模的数据库中检索出目标车辆，对安防部门、公安侦查罪犯等社会应用有非常大的帮助。很多涉嫌违法犯罪的车辆常没有车牌(包括套牌、伪造车牌及遮挡车牌等)，基于车牌识别的方法无法对其进行有效识别检索。目前关于车辆识别和检索研究，主要集中在识别大型货车、中型汽车、小型轿车等少数几类车型。随着图像识别研究的深入，针对例如奥迪Q5、奔驰S500等具体车辆型号识别的研究也逐步出现，而由于同一车型外观是无法分辨的，在无车牌的情况下检索出同一辆车难以实现。

由于车脸能够有效的表达车辆的外观属性，通过基于车脸特征的分类能对车辆型号进行准确的识别，而因车主的喜好使车窗具有鲜明的局部特征，特殊标志(挂饰、摆件、纸巾盒、年检标)使得相同型号的车辆能够加以区分。

因此，如何提供一种通过车脸、车窗图像对无牌车进行识别检索是本领域人员亟需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种基于局部特征的车辆检索方法，包括车脸和车窗的定位、图像预处理、建立CNN网络模型、车脸和车窗特征提取与对比，实现在大规模车辆数据库高效准确的检索。

为了实现上述目的，本发明采用如下技术方案：

一种基于局部特征的车辆检索方法，包括以下步骤：

步骤S1：车脸和车窗的定位：通过目标检测算法Fast-RCNN定位，利用运动目标检测技术从交通卡口监控视频中检测到车辆，对无车牌的车脸及车窗进行检测定位，再定位截取出车脸和车窗，获得的局部区域的坐标；

步骤S2：图像预处理：将步骤S1获取的车辆样本进行检测、裁剪、对齐预处理，并将图片格式转换为LMDB格式，生成减均值文件；

步骤S3：建立CNN网络模型：通过基于搭建多任务loss双支网络构架，训练得到CNN网络模型用于特征提取；在网络构架的损失层上结合center loss和softmax，其中，centerloss通过惩罚每个种类的样本和该种样本中心的偏移，使同一种类的样本尽量聚合在一起。其表示为：

其中，x_i表示第i张图片的特征值，表示类y_i的类中心，在此损失函数中，每个iteration计算当前数据和center的距离，然后把这个距离以梯度的形式叠加到center上实现的更新；

Softmax使用下式计算得到每一类的概率输出，

其中，x_i为softmax层第i个节点值，y_i为第i个输出值，n为softmax层的节点个数，

最后一个损失层是中心损失函数和softmax的结合，损失函数表示为：

步骤S4：车脸和车窗特征提取与对比：运用步骤S3训练得到的CNN网络模型对步骤S2中处理好的待检索样本和车辆检索库进行特征提取，然后进行特征比对，分类识别出同一车型的图像后利用车窗及车脸特征比对检索得到同一车辆；