[发明专利]车辆重识别方法、装置、电子设备及介质

权利要求书

1.一种车辆重识别方法，其特征在于，包括：

构建用于车辆检索的重识别模型，所述重识别模型包括哈希编码层；

基于训练样本对所述重识别模型进行训练；

将包括目标车辆的目标图像输入训练好的重识别模型，得到哈希编码层输出的目标车辆的哈希编码数据；

将包括待识别车辆的待识别图像输入训练好的重识别模型，得到哈希编码层输出的待识别车辆的哈希编码数据；

将所述待识别车辆的哈希编码数据与所述目标车辆的哈希编码数据进行比较，根据比较结果得到所述待识别车辆的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述构建用于车辆检索的重识别模型，包括：

获取预训练的基线模型；

在所述基线模型之后，插入用于哈希编码线性映射的全连接层和用作激活函数的哈希编码层；

其中，所述基线模型为基于深度学习的神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述重识别模型的识别过程如下：

将车辆图片输入基线模型进行特征提取，得到车辆的嵌入向量；

将车辆的嵌入向量依次输入到全连接层及哈希编码层，得到哈希编码层输出的车辆的哈希编码数据。

4.根据权利要求3所述的方法，其特征在于，所述重识别模型的损失函数L为距离矩阵D_h和D的余弦距离：

其中，距离矩阵D_h表示使用训练样本的哈希编码数据计算得到的距离矩阵，距离矩阵D表示使用训练样本的嵌入向量计算得到的距离矩阵。

5.根据权利要求4所述的方法，其特征在于，所述损失函数L的确定过程如下：

将训练样本输入基线模型；

对基线模型输出的嵌入向量作批标准化处理，得到处理后的嵌入向量；

将所述处理后的嵌入向量输入到全连接层及哈希编码层，输出训练样本的哈希编码数据；

使用训练样本的哈希编码数据计算得到训练样本之间的距离矩阵D_h，并将距离矩阵D_h中元素d_ij置为0；其中，ID(i)＝ID(j)，表示来自同一个车辆对象的不同训练样本；

使用训练样本的嵌入向量计算得到训练样本之间的距离矩阵D；

计算距离矩阵D_h和D的余弦距离作为所述损失函数L。

6.根据权利要求5所述的方法，其特征在于，所述哈希编码层采用局部敏感哈希算法。

7.根据权利要求5所述的方法，其特征在于，所述基于训练样本对所述重识别模型进行训练，包括：

通过高斯随机变量初始化所述全连接层的权重，基于所述损失函数L对所述哈希编码层的权重进行训练。

8.一种车辆重识别装置，其特征在于，包括：

模型构建模块，用于构建用于车辆检索的重识别模型，所述重识别模型包括哈希编码层；

模型训练模块，用于基于训练样本对所述重识别模型进行训练；

第一识别模块，用于将包括目标车辆的目标图像输入训练好的重识别模型，得到哈希编码层输出的目标车辆的哈希编码数据；

第二识别模块，用于将包括待识别车辆的待识别图像输入训练好的重识别模型，得到哈希编码层输出的待识别车辆的哈希编码数据；

比较模块，用于将所述待识别车辆的哈希编码数据与所述目标车辆的哈希编码数据进行比较，根据比较结果得到所述待识别车辆的识别结果。

9.一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行以实现如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至7中任一项所述的方法。