[发明专利]车辆检索方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种车辆检索方法及装置。

背景技术

以图搜图是计算机视觉领域中一个重要的课题，主要任务是通过输入的图片在图像库里检索与其相似的图像的技术，为人类提供相关图像检索的技术。其涉及了计算机视觉，图像处理，模式识别和信息处理等诸多技术领域，不管是对于成熟的人脸检索、网络的图片检索，还是监控领域的车牌车辆检索都需要投入大量的人力去处理。

近年来，以图搜图在智能视频监控、车辆自动驾驶、机器人环境感知等领域都有广泛的应用。例如，在公安大数据系统中的以图搜图，即是将用户提供的一张车辆图像作为目标车辆的图像，在海量的卡口或电警数据记录中查找目标车辆的行驶记录。

现有技术中的车辆检索方法是通过Sift、Surf、Hog等算法提取整幅目标车辆的图像特征，再通过同样的算法提取数据库中各个车辆的整幅图像特征，将两组特征进行匹配，从数据库中检索出目标车辆。

然而，上述技术方案中是通过对车辆的整幅图像特征进行匹配的，一旦整幅图像中的某一个位置由于人为原因所导致的不同，都会影响匹配效果。

另一方面，发明人发现在交通的视频监控领域，由于受光照、亮度等自然因素的影响，在加上车辆的颜色纹理等信息存在很大的相似性，使得上述方法中的车辆检索准确度大大降低。

发明内容

有鉴于此，本发明实施例提供了一种车辆检索方法及装置，以解决现有技术中车辆检索的准确度低的问题。

本发明第一方面提供了一种车辆检索方法，包括以下步骤：

获取待检测车辆的图像；

从所述待检测车辆的图像中提取所述待检测车辆的N个检测特征向量，其中，N大于等于2，每个检测特征向量对应所述待检测车辆的一个部件；

对于所述N个检测特征向量分别执行以下步骤，得到N个相似度得分值序列：将第i个检测特征向量与第i个特征向量库中的所有特征向量进行相似度计算，得到第i个相似度得分值序列，其中，所述第i个特征向量库为预先建立的与所述第i个检测特征向量对应的相同的车辆部件的特征向量库，i取1至N的自然数；其中，不同特征向量库中相同车辆的特征向量之间建立有对应关系；

分别选取所述N个相似度得分值序列中最大的前M个相似度得分值对应的特征向量；

根据选取的特征向量之间的对应关系判断是否存在目标车辆，所述目标车辆对应的N个特征向量分别存在于所述选取的特征向量中；

如果存在，则确定所述目标车辆为所述待检测车辆。

可选地，如果目标车辆存在多个，所述车辆检索方法还包括：

获取多个所述目标车辆的所有特征向量；

对于同一所述目标车辆，分别根据其特征向量与所述待检测车辆的特征向量的相似度得分值计算所述目标车辆的相似度得分值，并对所述计算结果进行排序；

根据所述排序结果显示多个所述目标车辆的图像及其对应相似度得分值。

可选地，利用卷积神经网络模型从所述待检测车辆的图像中提取所述待检测车辆的N个检测特征向量。

可选地，在获取待检测车辆的图像之前，还包括：

获取多个包含有车辆的图像；

利用卷积神经网络模型从所述多个包含有车辆的图像中提取车辆图像；

利用卷积神经网络模型从提取的车辆图像中提取车辆特征，并对同一车辆的不同特征建立对应关系，得到特征向量库。

可选地，所述获取待检测车辆的图像的步骤之后，还包括：将所述待检测车辆的图像由第一格式转换成第二格式。

可选地，所述第一格式RGB格式，所述第二格式为YUV格式。

本发明第二方面提供了一种车辆检索装置，包括：

第一获取单元，用于获取待检测车辆的图像；

提取单元，用于从所述待检测车辆的图像中提取所述待检测车辆的N个检测特征向量，其中，N大于等于2，每个检测特征向量对应所述待检测车辆的一个部件；

第一计算单元，用于对于所述N个检测特征向量分别执行以下步骤，得到N个相似度得分值序列：将第i个检测特征向量与第i个特征向量库中的所有特征向量进行相似度计算，得到第i个相似度得分值序列，其中，所述第i个特征向量库为预先建立的与所述第i个检测特征向量对应的相同的车辆部件的特征向量库，i取1至N的自然数；其中，不同特征向量库中相同车辆的特征向量之间建立有对应关系；

选取单元，用于分别选取所述N个相似度得分值序列中最大的前M个相似度得分值对应的特征向量；