[发明专利]一种基于深度学习的卡口图像车辆快速检索方法及系统有效
| 申请号： | 201710755293.8 | 申请日： | 2017-08-29 |
| 公开（公告）号： | CN107679078B | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 王辉;田玉兰;陈涛;李建元;温晓岳 | 申请（专利权）人： | 银江股份有限公司 |
| 主分类号： | G06F16/53 | 分类号： | G06F16/53;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 33216 杭州之江专利事务所(普通合伙) | 代理人： | 张慧英 |
| 地址： | 310030 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的卡口图像车辆快速检索方法及系统，本发明采用深度神经网络来提取车辆特征信息，基于inception_resnet_v2网络对车辆特征进行提取，其中实现了网络权值共享，有效避免了大量重复计算，其损失函数采用三元组样本训练，直接产生128维向量，在检索图片阶段，本发明采用了对特征聚类的方式对特征建立索引，提升查询速度。本发明可以加快图像特征的提取速度，以及快速的实时响应的同时，能够有效稽查追捕假牌、套牌车这部分违法车辆。 | ||
| 搜索关键词： | 车辆特征信息 车辆特征 检索图片 建立索引 快速检索 神经网络 实时响应 损失函数 特征聚类 图像特征 违法车辆 样本训练 直接产生 重复计算 三元组 套牌车 网络权 假牌 向量 稽查 图像 查询 共享 网络 学习 | ||
【主权项】：
1.一种基于深度学习的卡口图像车辆快速检索方法，其特征在于，包括如下步骤：/n(1)基于深度神经网络模型建立图片特征提取网络模型，利用训练样本集训练获得训练完成的特征提取网络模型；其中，特征提取网络模型的训练过程包括：/n(1.1)对卡口图片进行人工标注目标区域坐标信息，利用深度学习训练目标识别网络后获取卡口图片中的车辆区域；/n(1.2)将每张卡口图片的车辆区域按照车牌进行分类后制作得到车辆训练样本集，并对车辆训练样本集进行优化；/n(1.3)采用inception_resnet_v2作为特征提取网络模型提取车辆训练样本集特征，计算三元组损失函数并利用三元组损失函数进行优化训练特征提取网络模型；/n(2)基于参考图片集，利用训练完成的特征提取网络模型提取车辆特征向量；/n(3)通过K-Means聚类对提取到的车辆特征向量进行反复聚类，以聚类生成的质心建立K叉树索引；/n(4)通过训练完成的特征提取网络模型提取待检测图片的特征向量，利用K叉树索引查询检索与待检测图片相似的图片，并输出相似的参考图片集图片。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于银江股份有限公司，未经银江股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710755293.8/，转载请声明来源钻瓜专利网。
