[发明专利]基于双网络结构的卡口车辆重识别方法

摘要

本发明提供的方法利用训练好的第一神经网络、第二神经网络进行卡口系统数据库中车辆图像与查询图像的表观特征的提取，然后基于提取的表观特征计算相似度，从而得到重识别的结果，与现有技术相比，本发明提供的重识别方法能够实现在车辆套牌、移除甚至伪造牌照时车辆的重识别。

主权项

1.一种基于双网络结构的卡口车辆重识别方法，其特征在于：包括以下步骤：S1.从卡口系统的数据库中获取一部分拍摄的车辆图像作为训练集；S2.对于训练集中的每一张车辆图像，将其分割成上半区域和下半区域两个区域；S3.构建第一神经网络、第二神经网络，第一神经网络、第二神经网络分别对训练集中车辆图像的上半区域和下半区域进行表观特征的学习，其中第一神经网络用于对同一型号的车辆的不同表观特征进行学习，第二神经网络用于对不同型号的车辆的不同表观特征进行学习；S4.训练集中的每一张车辆图像经过第一神经网络、第二神经网络的学习后得到相应的表观特征，将第一神经网络、第二神经网络输出的表观特征拼接起来；S5.利用训练集中的每一张图像对第一神经网络、第二神经网络进行特征学习的训练直至收敛；S6.利用训练好的第一神经网络、第二神经网络对卡口系统数据库中的每一张车辆图像进行特征的学习，第一神经网络、第二神经网络的输出进行拼接后得到每张车辆图像的表观特征；S7.对于一张查询图像，首先将其分割成上半区域和下半区域两个区域，然后将查询图像的上半区域、下半区域分别输入至训练好的第一神经网络、第二神经网络内，第一神经网络、第二神经网络的输出进行拼接后得到查询图像的表观特征；S8.计算查询图像的表观特征与卡口系统数据库中每一张车辆图像的表观特征的相似度，然后将相似度最高的车辆图像作为重识别结果进行输出。