[发明专利]用于停车场管理的基于重对象识别的神经网络的训练方法

说明书

本申请公开了一种用于停车场管理的基于对象重识别的神经网络的训练方法。所述训练方法，包括：获取训练图像集；将所述训练图像集输入卷积神经网络以获得训练特征图；将所述训练特征图输入空间注意力模块以获得空间注意力图；基于所述空间注意力图与所述训练特征图之间的距离以获得距离损失函数值；将所述空间注意力图通过池化层和全连接层后以输入分类函数以获得注意力损失函数值；以及，基于所述距离损失函数值和所述注意力损失函数值更新所述卷积神经网络和所述空间注意力模块。这样基于空间注意力机制的重识别技术处理所述停车场中各个摄像头之间拍摄的区域的重叠问题，以实现对所述停车场中的对象进行全局管理。

技术领域

本申请涉及人工智能技术领域，且更为具体地，涉及一种用于停车场管理的基于对象重识别的神经网络的训练方法、用于停车场管理的基于神经网络的图像处理方法、系统和电子设备。

背景技术

“智慧城市”将信息技术与先进的城市经营服务理念进行有效融合，通过对城市的地理、资源、环境、经济等进行数字网络化管理，为城市提供更便捷、高效、灵活的公共管理的创新服务模式。

随着智慧城市的部署，越来越多的停车场管理中使用监控摄像头来进行管理，例如，通过设置在停车场中的不同位置的多个监控摄像头拍摄停车场的图像，然后将每个摄像头拍摄的图像分屏显示，从而对停车场内的情况进行监控。

随着基于人工智能的机器视觉技术的发展，在各种监控领域越来越多地使用机器视觉技术来进行对象检测、对象跟踪、对象识别等，相应地，该技术也可以应用于停车场管理领域。

因为停车场通常覆盖较大的区域范围，而为了保证每个摄像头获取的图像的精度，因此需要安装较多数目的摄像头，并且在安装时，就要保证每个摄像头的覆盖范围，以使得全部摄像头能够覆盖停车场的整个范围。而在停车场管理的很多应用场景下，期望以停车场的整体作为目标，而不是以每个摄像头单独覆盖的区域作为目标来进行管理，例如，当需要从停车场内检索特定车辆时，希望从整个停车场的范围内一次性地检索目标车辆，而不是检索每个摄像头拍摄的图像来确定目标车辆。另外，在进行特定目标对象的跟踪时，也是希望获得目标对象在停车场的整体范围内的运动轨迹，而不是获得每个摄像头拍摄的图像内的运动轨迹再进行拼接。

因此，期望能够以多个摄像头拍摄的图像作为输入集合来从全局角度进行停车场管理的机器视觉方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于停车场管理的基于对象重识别的神经网络的训练方法、用于停车场管理的基于神经网络的图像处理方法、系统和电子设备，其基于空间注意力机制的重识别技术处理所述停车场中各个摄像头之间拍摄的区域的重叠问题，以实现对所述停车场中的对象进行全局管理。

根据本申请的一个方面，提供了一种用于停车场管理的基于对象重识别的神经网络的训练方法，其包括：

获取训练图像集，所述训练图像集包括由分布在停车场内的不同位置的多个监控摄像头获取的停车场图像；

将所述训练图像集输入卷积神经网络以获得训练特征图；

将所述训练特征图输入空间注意力模块以获得空间注意力图；

基于所述空间注意力图与所述训练特征图之间的距离以获得距离损失函数值；

将所述空间注意力图通过池化层和全连接层后以输入分类函数以获得注意力损失函数值；以及

基于所述距离损失函数值和所述注意力损失函数值更新所述卷积神经网络和所述空间注意力模块。