[发明专利]车辆重识别方法、装置、存储介质及电子设备

权利要求书

1.一种车辆重识别方法，其特征在于，包括：

获取未知车辆图像；

基于自监督学习算法学习所述未知车辆图像的特征；

使用所述未知车辆图像的特征中的部分特征以及所述部分特征的标签训练车辆重识别模型；

使用所述车辆重识别模型对待检测车辆图像进行识别，得到车辆识别结果，以从所述待检测车辆图像中识别出目标车辆的图像。

2.根据权利要求1所述的车辆重识别方法，其特征在于，所述方法还包括：

在基于自监督学习算法学习所述未知车辆图像的特征之后，根据所述未知车辆图像的特征，构建车辆重识别属性知识库；

其中，所述车辆重识别属性知识库中包括以下至少一种车辆特征：

车牌、车内挂饰、车型、轮胎型、车辆颜色以及车身标志。

3.根据权利要求2所述的车辆重识别方法，其特征在于，所述方法包括：

在基于自监督学习算法学习所述未知车辆图像的特征之后，对所述部分特征进行标注，得到所述对应于所述部分特征中各特征的标签，所述标签包括车辆标识以及以上至少一种所述车辆特征。

4.根据权利要求1所述的车辆重识别方法，其特征在于，在基于自监督学习算法学习所述未知车辆图像的特征的过程中通过噪声对比估计算法确定所述未知车辆图像的特征中的噪声数据以及真实数据。

5.根据权利要求4所述的车辆重识别方法，其特征在于，基于自监督学习算法学习所述未知车辆图像的特征，包括：

在基于自监督学习算法学习所述未知车辆图像的特征的过程中，将学习到的车辆图像的特征存储在预先建立的内存银行中离散的内存块中；

在每次计算所述未知车辆图像的特征对所述未知车辆图像的概率时，从所述离散的内存块中获取所述未知车辆图像的特征；

根据从所述离散的内存块中获取的各未知车辆图像的特征计算各未知车辆图像的特征对应于所述未知车辆图像的概率；

根据所述概率确定各未知车辆图像的特征为噪声数据或真实数据。

6.根据权利要求1所述的车辆重识别方法，其特征在于，所述车辆重识别模型，包括：

全局特征检测网络、局部特征检测网络以及属性特征检测网络；

使用所述车辆重识别模型对待检测车辆图像进行识别，以从所述待检测车辆图像中识别出目标车辆的图像，包括：

将所述待检测图像输入所述车辆重识别模型；

得到所述全局特征检测网络输出的第一分类检索结果，所述局部特征检测网络输出的第二分类检索结果以及所述属性特征检测网络输出的第三分类检索结果；

将所述第一分类检索结果、所述第二分类检索结果以及所述第三分类检索结果进行融合，得到所述车辆识别结果。

7.根据权利要求1至6中任意一项所述的车辆重识别方法，其特征在于，获取未知车辆图像，包括：

获取不同交通摄像头采集的未知车辆图像。

8.一种车辆重识别装置，其特征在于，包括：

获取模块，用于获取未知车辆图像；

学习模块，用于基于自监督学习算法学习所述未知车辆图像的特征；

训练模块，用于使用所述未知车辆图像的特征中的部分特征以及所述部分特征的标签训练车辆重识别模型；

识别模块，用于使用所述车辆重识别模型对待检测车辆图像进行识别，得到车辆识别结果，以从所述待检测车辆图像中识别出目标车辆的图像。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任意一项所述的车辆重识别方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任意一项所述的车辆重识别方法。