[发明专利]一种车辆重识别方法、装置、设备及可读存储介质

说明书

本发明公开了一种车辆重识别方法，该方法包括以下步骤：获取待识别的车辆图像信息；利用图像特征，计算查询图像与目标图像之间的视觉特征距离；利用拍摄时间和拍摄地点，计算查询图像与目标图像之间的时空特征距离；将视觉特征距离与时空特征距离的加权和作为整体相似距离；在整体相似距离小于相似阈值时，确定目标图像与查询图像为同一车辆的图像。该方法，利用时空特征距离对视觉特征距离进行补充和修改，进而得到整体相似距离，即使是视觉特征距离不够明显的情况下，也实现车辆重识别。当然，在视觉特征距离不明显的情况下，时空特征距离可提高车辆重识别准确率。本发明还公开了一种车辆重识别装置、设备及可读存储介质，具有相应的技术效果。

技术领域

本发明涉及深度学习技术领域，特别是涉及一种车辆重识别方法、装置、设备及可读存储介质。

背景技术

车辆重识别是深度学习技术判断图像或者视频序列中是否存在特定车辆的技术，被广泛认为是图像检索的子问题，即给定一个监控车辆图像，来检索出不同监控设备下相同车辆的图像。

利用城市监控的数据进行车辆重识别面临的主要挑战有：基于外观的方法通常不能完全给出满意的答案，因为不同的车辆从类似的视点来看存在的差异较小，而相同车辆从不同的视点观察也会存在很大的差异性。此外，传统的基于车牌识别的车辆重识别方法，会在各种现实应用场景中，因为视角、低分辨率等因素造成无法有效地识别车牌。

综上所述，如何有效地解决车辆重识别等问题，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种车辆重识别方法、装置、设备及可读存储介质，以提高车辆重识别的准确率。

为解决上述技术问题，本发明提供如下技术方案：

一种车辆重识别方法，包括：

获取待识别的车辆图像信息；其中，所述车辆图像信息包括查询图像、拍摄时间、拍摄地点以及所述查询图像的图像特征；

利用所述图像特征，计算所述查询图像与目标图像之间的视觉特征距离；

利用所述拍摄时间和所述拍摄地点，计算所述查询图像与所述目标图像之间的时空特征距离；

将所述视觉特征距离与所述时空特征距离的加权和作为整体相似距离；

在所述整体相似距离小于相似阈值时，确定所述目标图像与所述查询图像为同一车辆的图像。

优选地，获取待识别的车辆图像信息，包括：

接收待识别的车辆图像，以及所述车辆图像的所述拍摄时间和所述拍摄地点；

对所述车辆图像进行预处理，获得所述查询图像；

将所述查询图像输入至神经网络模型进行图像特征提取，获得所述图像特征。

优选地，构建所述神经网络模型的过程，包括：

获取原始车辆图像，对所述原始车辆图像进行预处理，获得训练集；

创建神经网络，并利用所述训练集对所述神经网络进行训练，获得所述神经网络模型。

优选地，对所述车辆图像进行预处理，获得所述查询图像，包括：

利用图像识别技术对所述车辆图像进行识别，获得识别结果；

利用所述识别结果对所述车辆图像进行裁剪，获得所述查询图像。

优选地，将所述查询图像输入至神经网络模型进行图像特征提取，获得所述图像特征，包括：

将所述查询图像输入至所述神经网络模型中，提取所述查询图像的全局特征和局部特征；