[发明专利]基于深度学习的车辆重识别方法和装置有效
| 申请号： | 201810922351.6 | 申请日： | 2018-08-14 |
| 公开（公告）号： | CN109165589B | 公开（公告）日： | 2021-02-23 |
| 发明（设计）人： | 宋晴;杨录 | 申请（专利权）人： | 北京颂泽科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 北京柏杉松知识产权代理事务所(普通合伙) 11413 | 代理人： | 丁芸;项京 |
| 地址： | 100876 北京市海淀区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种基于深度学习的车辆重识别方法和装置，所述方法包括：将目标车辆图片以及从目标拍摄图像中检测出的各车辆图片，输入特征识别模型，得到目标车辆的第一特征值，以及检测出的各辆车的第二特征值，其中，特征识别模型采用卷积神经网络，卷积神经网络在训练时所使用的损失函数用于减小不同拍摄图像中、同一车辆的特征值之间的差距，以及增大不同拍摄图像中、不同车辆的特征值之间的差距；计算第一特征值与各第二特征值的相似度，将相似度最高的第二特征值确定为目标第二特征值；将目标第二特征值对应的车辆，确定为目标拍摄图像中的目标车辆，从而实现车辆重识别。应用本发明实施例能够提高车辆重识别的准确性。 | ||
| 搜索关键词： | 基于 深度 学习 车辆 识别 方法 装置 | ||
【主权项】：
1.一种基于深度学习的车辆重识别方法，其特征在于，所述方法包括：将预设的目标车辆图片以及从目标拍摄图像中检测出的各车辆图片，输入预设的特征识别模型，得到目标车辆的第一特征值，以及检测出的各辆车的第二特征值，其中，特征识别模型采用卷积神经网络，卷积神经网络在训练时所使用的损失函数用于减小不同拍摄图像中、同一车辆的特征值之间的差距，以及增大不同拍摄图像中、不同车辆的特征值之间的差距，以区分不同拍摄图像中的车辆是否为同一车辆；计算第一特征值与各第二特征值的相似度，将相似度最高的第二特征值确定为目标第二特征值；将目标第二特征值对应的车辆，确定为目标拍摄图像中的目标车辆。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京颂泽科技有限公司，未经北京颂泽科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810922351.6/，转载请声明来源钻瓜专利网。
