[发明专利]一种基于神经网络提取车辆特征值及属性的以图搜图方法

权利要求书

1.一种基于神经网络提取车辆特征值及属性的以图搜图方法，其特征在于包含以下步骤：

步骤一：获取实时卡口抓拍图像进行图像预处理操作；

步骤二：从预处理后的图像中对车辆进行定位分析；

步骤三：对定位后的车辆图像进行全局特征值计算和提取；

步骤四：对定位后的车辆图像进行属性值的计算和提取；

步骤五：对车辆各个属性值进行权重设置和特征值搜索阀值的设置，对车辆基础库进行筛减；

步骤六：通过对车辆全局特征以及车辆属性在以图搜图功能中权重的设置，进行车辆搜索；

步骤七：对搜索结果进行排序处理，获得搜索结果。

2.按照权利要求1所述的一种基于神经网络提取车辆特征值及属性的以图搜图方法，其特征在于：所述步骤一具体为

1.1对图片进行降噪处理，尽可能的保持原始信息完整性的同时，又能够去除信号中无用的信息，使用的方法包括基于空间域的中值滤波和基于小波域的小波阈值去噪；

1.2对图片进行尺寸大小处理。

3.按照权利要求1所述的一种基于神经网络提取车辆特征值及属性的以图搜图方法，其特征在于：所述步骤二具体为

2.1对图片中的车辆进行定位，识别车辆在图片中的像素点位置；

2.2规范定位到的车辆图像样本的尺寸；

2.3对定位到车辆像素点的待检测图片进行隔离。

4.按照权利要求1所述的一种基于神经网络提取车辆特征值及属性的以图搜图方法，其特征在于：所述步骤三具体为

3.1使用sift算法，计算出车辆的特征值；

3.2使用CNN卷积神经网络算法，对计算出的车辆特征值进行维度降低

3.3提取CNN神经网络的最后一层特征向量，并将其转换成一维数组，把sift特征原有的128维特征值降低到一维数组中，便于表示、存储和计算。

5.按照权利要求1所述的一种基于神经网络提取车辆特征值及属性的以图搜图方法，其特征在于：所述步骤四具体为

4.1通过深度学习神经网络、CNN卷积神经网络与SVM结合的方法对定位到的车辆图像进行识别，获取车牌属性；

4.2通过深度学习神经网络、CNN卷积神经网络与SVM结合的方法对定位到的车辆图像进行识别，获取车型属性；

4.3通过深度学习神经网络、CNN卷积神经网络与SVM结合的方法对定位到的车辆图像进行识别，获取车身颜色属性；

4.4通过深度学习神经网络、CNN卷积神经网络与SVM结合的方法对定位到的车辆图像进行识别，获取车标属性；

4.5通过深度学习神经网络、CNN卷积神经网络与SVM结合的方法对定位到的车辆图像进行识别，获取车辆年检标志属性；

4.6通过深度学习神经网络、CNN卷积神经网络与SVM结合的方法对定位到的车辆图像进行识别，获取车辆挂饰属性；

4.7对获取到的车辆属性进行结构化处理，便于对比计算和存储。

6.按照权利要求1所述的一种基于神经网络提取车辆特征值及属性的以图搜图方法，其特征在于：所述步骤五具体为

5.1对车辆各个属性值设置权重，根据各个属性值在以图搜图算法中对搜索结果的贡献程度，设置不同的属性值；

5.2对特征值设置搜索阀值；

5.3利用上诉两个步骤对车辆基础库进行筛减，减少以图搜图目标库中待搜索图片数量。

7.按照权利要求1所述的一种基于神经网络提取车辆特征值及属性的以图搜图方法，其特征在于：所述步骤六具体为

6.1通过对车辆全局特征值进行相似度计算，采用采用欧式距离、马氏距离等计算方法进行计算

6.2通过对车辆属性在以图搜图功能中权重的设置，进行车辆搜索

6.3结合上述两个步骤，在已经筛选过的车辆基础图库中队待检测图片进行以图搜图操作，获取搜索结果。

8.按照权利要求1所述的一种基于神经网络提取车辆特征值及属性的以图搜图方法，其特征在于：所述步骤七具体为对步骤六中搜索结果进行排序处理，获得与待搜索车辆最为相似的前10张图片进行展示。