[发明专利]车辆重识别方法及装置在审
申请号: | 201910725794.0 | 申请日: | 2019-08-07 |
公开(公告)号: | CN110458086A | 公开(公告)日: | 2019-11-15 |
发明(设计)人: | 杨喜鹏;谭啸;文石磊;丁二锐;孙昊 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62 |
代理公司: | 11205 北京同立钧成知识产权代理有限公司 | 代理人: | 朱颖;刘芳<国际申请>=<国际公布>=< |
地址: | 100085北京市*** | 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: | |||
搜索关键词: | 目标车辆 融合 局部特征 全局特征 属性特征 图像 图像获取 不一致 | ||
本发明实施例提供一种车辆重识别方法及装置,该方法包括:获取待识别图像,所述待识别图像中包括待识别车辆;根据待识别图像获取待识别车辆的融合特征,所述融合特征是根据所述待识别车辆的全局特征、所述待识别车辆的局部特征和所述待识别车辆的属性特征进行融合得到的;将待识别车辆的融合特征与目标车辆的融合特征进行比较,根据比较结果得到待识别车辆的识别结果,其中,所述目标车辆的融合特征是根据所述目标车辆的全局特征、所述目标车辆的局部特征和所述目标车辆的属性特征进行融合得到的。本发明实施例提供的车辆重识别方法及装置,能够解决现有方案由于车辆的姿态不一致或者无法清楚获取到车牌号而导致的车辆重识别效果较差的问题。
技术领域
本发明实施例涉及图像识别技术领域,尤其涉及一种车辆重识别方法及装置。
背景技术
车辆重识别指的是识别在待检测的图像中的车辆是否为目标车辆的过程。随着智能化产品的发展,车辆重识别在停车场、高速路口和收费站等处得到了广泛的应用。
现有的车辆重识别的方法,主要有两种,一种是通过提取待检测的图像中车辆的全局特征来进行识别,这种方法针对待检测的图像,提取车辆的全局特征,与目标车辆的全局特征进行比较,来判断待检测的车辆是否为目标车辆。但是,由于在对车辆进行拍摄时,可能会存在不同的方向,从而导致不同的待检测图片中的车辆的姿态不一致,当待检测图片中的车辆的姿态与目标车辆的姿态相差较大时,往往会将待检测的车辆判断为非目标车辆,导致误判概率较大。另一种是通过对待检测的车辆的车牌号来进行识别。由于理想情况下,不同的车辆具有不同的车牌号,因此根据车牌号可以判断待检测的车辆是否为目标车辆。但是,在实际拍摄中,有可能会出现没有拍摄到车牌号,或者车牌号拍摄不清楚的情况,从而导致车辆重识别失败。
因此,现在亟需一种车辆重识别方法解决现有方案由于车辆的姿态不一致或者无法清楚获取到车牌号而导致的车辆重识别效果较差的问题。
发明内容
本发明实施例提供一种车辆重识别方法及装置,以解决现有方案由于车辆的姿态不一致或者无法清楚获取到车牌号而导致的车辆重识别效果较差的问题。
第一方面,本发明实施例提供一种车辆重识别方法,包括:
获取待识别图像,所述待识别图像中包括待识别车辆;
根据所述待识别图像获取所述待识别车辆的融合特征,所述融合特征是根据所述待识别车辆的全局特征、所述待识别车辆的局部特征和所述待识别车辆的属性特征进行融合得到的;
将所述待识别车辆的融合特征与目标车辆的融合特征进行比较,根据比较结果得到所述待识别车辆的识别结果,其中,所述目标车辆的融合特征是根据所述目标车辆的全局特征、所述目标车辆的局部特征和所述目标车辆的属性特征进行融合得到的。
在一种可能的实现方式中,所述根据所述待识别图像获取所述待识别车辆的融合特征,包括:
根据全局特征模型获取所述待识别图像中所述待识别车辆的全局特征,所述全局特征模型是根据多帧第一样本图像进行训练得到的;
根据局部特征模型获取所述待识别图像中所述待识别车辆的局部特征,所述局部特征模型是根据多帧第二样本图像进行训练得到的;
根据属性特征模型获取所述待识别图像中所述待识别车辆的属性特征,所述属性特征模型是根据多帧第三样本图像进行训练得到的;
将所述待识别车辆的全局特征、所述待识别车辆的局部特征和所述待识别车辆的属性特征进行融合,得到所述待识别车辆的融合特征。
在一种可能的实现方式中,所述根据局部特征模型获取所述待识别图像中所述待识别车辆的局部特征,包括:
根据预定义局部块获取所述待识别车辆的检测局部块,所述预定义局部块为车辆的多个局部块,所述待识别车辆的检测局部块为所述待识别车辆的预定义局部块中的一个或多个;
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京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,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/pat/books/201910725794.0/2.html,转载请声明来源钻瓜专利网。