[发明专利]相似车辆的识别方法和装置

说明书

本发明提供一种相似车辆的识别方法和装置，该方法包括：获取待识别车辆的图像，将待识别车辆的图像输入到预先获取的全局模型，获取待识别车辆的车辆特征图像，全局模型为基于卷积神经网络，采用车辆图像集中已标注的车辆全局特征图像和已标注的车辆局部特征图像训练得到的，车辆特征图像包括车辆的唯一标识，根据待识别车辆的车辆特征图像，从多个相似车辆中确定待识别车辆。通过该方法，能够根据车辆的车辆特征图像，准确地区分相似车辆，提高车辆识别的准确率。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种相似车辆的识别方法和 装置。

背景技术

随着私家车数量的增加，越来越多的车辆有着极其相似的外形，在车辆 检索、车辆追踪等安防领域，根据车辆图像准确地找到该车辆格外重要。

相关技术中，采用车辆重识别方法对相似车辆图像进行识别，车辆重识 别方法包括基于通用分类模型的方法和基于孪生网络模型的方法，然而，采 用这两种重识别方法识别车辆时，车辆图像经过特征提取器提取视觉特征时， 图像中的关键细节信息容易丢失，导致无法很好的区分外形相似的车辆。

发明内容

为解决现有技术中存在的问题，本发明提供一种相似车辆的识别方法和 装置，以准确地区分外形相似的车辆。

第一方面，本发明实施例提供一种相似车辆的识别方法，包括：

获取待识别车辆的图像；

将所述待识别车辆的图像输入到预先获取的全局模型，获取所述待识别 车辆的车辆特征图像，所述全局模型为基于卷积神经网络，采用车辆图像集 中已标注的车辆全局特征图像和已标注的车辆局部特征图像训练得到的，车 辆特征图像包括车辆的唯一标识；

根据所述待识别车辆的车辆特征图像，从多个相似车辆中确定所述待识 别车辆。

可选的，所述根据所述待识别车辆的车辆特征图像，从多个相似车辆中 确定所述待识别车辆，包括：

获取所述多个相似车辆的图像；

将所述多个相似车辆的图像分别输入到所述全局模型，获取所述多个相 似车辆的多个车辆特征图像；

根据所述待识别车辆的车辆特征图像和所述多个相似车辆的多个车辆特 征图像，从所述多个相似车辆中确定所述待识别车辆。

可选的，所述全局模型是按照如下训练得到的：

获取车辆图像集；

对所述车辆图像集中的每个车辆图像进行全局特征标注，获取多个已标 注的全局特征图像；

对所述车辆图像集中的每个车辆图像进行局部特征标注，获取多个已标 注的局部特征图像；

根据每个已标注的全局特征图像和每个已标注的局部特征图像，采用卷 积神经网络训练得到所述全局模型。

可选的，所述根据每个已标注的全局特征图像和每个已标注的局部特征 图像，采用卷积神经网络训练得到所述全局模型，包括：

采用卷积神经网络初始化得到初始全局模型和初始局部模型；

将所述车辆图像集中的每个车辆图像输入到所述初始全局模型，获取每 个车辆图像的全局特征图像；

将所述车辆图像集中的每个车辆图像输入到所述初始局部模型，获取每 个车辆图像的局部特征图像；

根据所述每个车辆图像的全局特征图像，以及对应的已标注的全局特征 图像，获取全局损失函数；

根据所述每个车辆图像的局部预测图像，以及对应的已标注的局部特征 图像，获取局部损失函数；