[发明专利]一种基于多维特征的车辆重识别方法及装置

说明书

一种基于多维特征的车辆重识别方法及装置，包括如下步骤：通过监视摄像头获取含有目标车辆的图像帧；对图像帧进行车辆重识别模型的识别：从图像帧中利用车辆重识别模型进行车辆识别得到第一识别域；对图像帧进行多维特征模型的识别：从图像帧中利用多维特征模型获取车辆的多维特征，并且对多维特征进行编码，基于编码之后的多维特征进行匹配得到第二识别域；求得第一识别域和第二识别域的交集得到目标车辆集。本申请采用车辆重识别和多维特征结合识别的方式，能够增加重识别的准确率，从而解决无车牌、车辆相似性很高的情况存在的问题。

技术领域

本申请涉及一种基于多维特征的车辆重识别方法及装置。

背景技术

随着人民生活水平的不断提高，对于出行要求也越来越高，城市机动车保有量日益增多，车辆管理、有效通行的矛盾日趋突出。车辆重识别是指对不同监控相机下的车辆图片进行检索，在海量车辆图片、视频钟找到目标车辆的过程。车辆重识别对于如刑侦、高速收费稽查稽核、公共管理、智慧交通等有着重大意义。现有基于深度特征的重识别方法，大多数是只采用整幅图片的全局特征、部分显著特征或只使用孪生网络等模型进行车辆重识别，对于无车牌、车辆很相似的车辆识别准确率较低。

发明内容

为了解决上述问题，本申请一方面公开了一种基于多维特征的车辆重识别方法：包括如下步骤：通过监视摄像头获取含有目标车辆的图像帧；对图像帧进行车辆重识别模型的识别：从图像帧中利用车辆重识别模型进行车辆识别得到第一识别域；对图像帧进行多维特征模型的识别：从图像帧中利用多维特征模型获取车辆的多维特征，并且对多维特征进行编码，基于编码之后的多维特征进行匹配得到第二识别域；求得第一识别域和第二识别域的交集得到目标车辆集。本申请采用车辆重识别和多维特征结合识别的方式，能够增加重识别的准确率，从而解决无车牌、车辆相似性很高的情况存在的问题，多维特征中存在车牌识别错误、不错在车牌、车型识别错误等问题，使用的是局部显著特征，车辆重识别模型是将整幅图片输入获取整幅图片的全局特征根据车辆重拾别模型得出结果，不会聚焦到具体的特征比如车型，车牌，因此二者结合可以解决二者单独使用时的不足，大大提高识别的准确率，且由于模糊识别的原因，具有结合相关车辆的行驶路线的基础，在此基础上，可以实现对于车辆的行驶路线的准确还原。

优选的，所述车辆重识别模型的骨干网络采用稀疏化Resnet101，损失函数采用三元损失函数。

优选的，还包括用于训练车辆重识别模型的训练集，所述车辆重识别训练集为三元组形式，所述三元组形式为每对训练数据包括两张不同监视摄像头拍摄的相同的车辆图像和一张与之不同的车辆图像。

优选的，所述车辆重识别模型的采用三元损失函数和梯度下降算法在车辆重识别训练集上计算梯度并更新网络参数，并利用测试集进行测试以选取识别准确率超过重识别阈值的模型，以得到最终的车辆重识别模型。

优选的，所述车辆重识别训练集还包括将图片归一化统一尺寸并进行去噪处理的过程；所述归一化及去噪处理采用opencv中直方图均衡化及双边滤波算法。

优选的，所述多维特征识别模型按照如下步骤训练得到：从获得的图像帧中建立车辆数据集，所述车辆数据集包括车辆图像和车辆真实信息；

按照车辆特征构建多维特征训练集和多维特征测试集；

所述多维特征识别模型主干网络采用Resnet101网络，作为基础特征提取网络，并加入注意力机制，基础特征提取网络作为其他的属性识别分支的起点，通过神经网络结构搜索技术构建的多分支车辆多属性识别网络，一次识别车辆的多维特征。

优选的，对待识别车辆利用多维特征识别模型获得的多维特征按照hash方式进行编码，得到待识别车辆的车辆结构化特征向量；

还包括一待识别数据库，所述待识别数据库包括目标车辆经过hash编码得到的目标车辆的车辆结构化特征向量；