[发明专利]车辆重识别方法、装置及系统

说明书

本发明提供了一种车辆重识别方法、装置及系统，涉及车辆重识别技术领域，该方法包括：获取待识别的目标车辆图像；其中，目标车辆图像携带有关键点信息和方向信息；将目标车辆图像输入至预先训练得到的特征提取模型，以使特征提取模型基于目标车辆图像的关键点信息和方向信息提取目标车辆图像的车辆特征；根据目标车辆图像的车辆特征，基于已有的车辆特征集识别与目标车辆图像匹配的车辆图像；其中，车辆特征集包含有多张车辆图像经特征提取模型提取出的车辆特征。本发明能够较好地提高车辆重识别的准确性。

技术领域

本发明涉及车辆重识别技术领域，尤其是涉及一种车辆重识别方法、装置及系统。

背景技术

车辆重识别(Vehicle Re-identification，Reid)能够在图像库或者视频流中找到与待识别车辆图像相同的其它车辆图像。车辆重识别可广泛应用于车辆检索、车辆追踪等安防领域，诸如，在刑侦应用中，能够根据待追踪车辆的一张图像在城市庞大的摄像头网络所采集的各车辆图像中找到该车辆。现有技术大多基于车辆的整体外形特征进行车辆重识别，由于大部分车辆的整体外形大同小异，致使重识别准确率不高。

发明内容

有鉴于此，本发明的目的在于提供一种车辆重识别方法、装置及系统，能够较好地提高车辆重识别的准确性。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种车辆重识别方法，包括：获取待识别的目标车辆图像；其中，所述目标车辆图像携带有关键点信息和方向信息；将所述目标车辆图像输入至预先训练得到的特征提取模型，以使所述特征提取模型基于所述目标车辆图像的关键点信息和方向信息提取所述目标车辆图像的车辆特征；根据所述目标车辆图像的车辆特征，基于已有的车辆特征集识别与所述目标车辆图像匹配的车辆图像；其中，所述车辆特征集包含有多张车辆图像经所述特征提取模型提取出的车辆特征。

进一步，本发明实施例提供了第一方面的第一种可能的实施方式，所述特征提取模型包括局部特征提取网络和方向特征提取网络，以及分别与所述局部特征提取网络和所述方向特征提取网络连接的特征拼接网络。

进一步，本发明实施例提供了第一方面的第二种可能的实施方式，所述特征提取模型的训练步骤包括：获取多张车辆训练图像；每张所述车辆训练图像携带有关键点信息、方向信息和车辆编码；将各所述车辆训练图像以及对应的关键点信息输入至所述局部特征提取网络，通过所述局部特征提取网络提取各所述车辆训练图像的局部特征；将各所述车辆训练图像以及对应的方向信息输入至所述方向特征提取网络，通过所述方向特征提取网络提取各所述车辆训练图像的多方向融合特征；将各所述车辆训练图像的局部特征和多方向融合特征通过所述特征拼接网络拼接形成各所述车辆训练图像的车辆特征；结合各所述车辆训练图像的车辆特征，通过损失函数对所述特征提取模型进行训练。

进一步，本发明实施例提供了第一方面的第三种可能的实施方式，所述结合各所述车辆训练图像的车辆特征，通过损失函数对所述特征提取模型进行训练的步骤，包括：将各所述车辆训练图像的车辆特征均输入至第一损失函数，以及将各所述车辆训练图像的车辆特征均通过外接分类网络输入至第二损失函数；基于所述第一损失函数的值和所述第二损失函数的值训练所述特征提取模型，直至所述第一损失函数的值收敛至第一预设阈值，且所述第二损失函数的值均收敛至第二预设阈值时停止训练；其中，当训练结束时，同一车辆编码对应的多张车辆训练图像的车辆特征之间的间距小于预设间距值。

进一步，本发明实施例提供了第一方面的第四种可能的实施方式，所述获取多张车辆训练图像的步骤，包括：获取多个车辆对应的车辆训练图像；其中，每个所述车辆对应有多张方向信息不同的车辆训练图像。