[发明专利]一种基于虚拟号牌的无牌车辆识别方法

权利要求书

1.一种基于虚拟号牌的无牌车辆识别方法，其特征在于，所述方法包括：

步骤1为虚拟号牌构建步骤,包括基于视频或图像进行车辆检测，获得车辆特写图,对车辆图像进行特征提取,生成虚拟号牌，构建虚拟号牌库；

步骤2为虚拟号牌库识别步骤,包括基于视频或图像进行目标车辆检测，获得目标车辆特写图，对目标车辆图像进行特征提取,生成虚拟号牌,与所述虚拟号牌库比对结果。

2.根据权利要求1所述的一种基于虚拟号牌的无牌车辆识别方法，其特征在于，所述步骤1包括：

步骤1-1、基于视频或图像进行车辆检测，提取车辆图像；

步骤1-2、对车辆图像进行特征提取，所述特征提取是基于深度学习所描述的图像特征，所述图像特征包括描述全车图像的若干维全局特征，和/或描述车辆局部区域的若干维局部特征；

步骤1-3、将所得的全局特征和/或局部特征量化，并存储，生成虚拟号牌，构建虚拟号牌库。

3.根据权利要求1或2所述的基于虚拟号牌的无牌车辆识别方法，其特征在于：所述步骤2包括：

步骤2-1、基于视频或图像进行目标车辆检测，提取目标车辆图像；

步骤2-2、对目标车辆图像进行特征提取，所述特征提取是基于深度学习所描述的图像特征，所述图像特征包括描述全车图像的若干维全局特征，和/或描述车辆局部区域的若干维局部特征；

步骤2-3、将所得的目标车辆的全局特征和/或局部特征量化，并存储，生成目标车辆的虚拟号牌；

步骤2-4、将目标车辆的虚拟号牌与虚拟号牌库中的虚拟号牌逐一比对，得到识别结果。

4.根据权利要求2或3所述的基于虚拟号牌的无牌车辆识别方法，其特征在于：步骤1-2或者步骤2-2中，所述深度学习包括采用快速区域深度卷积神经网络目标检测算法。

5.根据权利要求2或3所述的基于虚拟号牌的无牌车辆识别方法，其特征在于：步骤1-2或者步骤2-2中，不采用所述深度学习的方法，而是采用级联特征目标检测方法。

6.根据权利要求4所述的基于虚拟号牌的无牌车辆识别方法，其特征在于：所述快速区域深度卷积神经网络目标检测算法包括在得到车辆的特写图之后，利用深度卷积方法，将所述特写图作为深度卷积神经网络的输入，通过前馈神经网络计算得到车辆图像的若干维全局特征，同时按照几何位置关系确定局部区域，以此为基础获取相应的若干维局部特征。

7.根据权利要求3所述的一种基于虚拟号牌的无牌车辆识别方法，其特征在于，

所述步骤1-3包括将获得的全局特征以及局部特征形成完整的特征向量并无损的存储于特征库中，以此构建车辆的虚拟号牌库，或者根据大量样本数据的训练，将特征按照训练阈值形成哈希码，根据相应的哈希表征算法形成二维码，以此构建车辆的虚拟号牌库。

8.根据权利要求3所述的一种基于虚拟号牌的无牌车辆识别方法，其特征在于，所述步骤2-4包括采用分布式并行计算的方式，采用倒数比距离与余弦距离将目标车辆的虚拟号牌和数据库中的虚拟号牌进行距离相似度匹配，从而进行车辆比对分析。

9.根据权利要求8所述的一种基于虚拟号牌的无牌车辆识别方法，其特征在于，所述步骤2-4包括当相似度高于一定阈值时，判定识别成功，并输出所匹配的虚拟号牌结果。