一种车辆特征提取方法及装置制造方法及图纸

本发明专利技术提供一种车辆特征提取方法及装置，所述方法包括：获取目标车辆的车身区域图像；确定所述车身区域图像中的车窗区域，并进行关键点定位；根据所述关键点对所述车身区域图像进行透视变换和整车对齐处理；将处理后的车身区域图像划分为预设数量的区块；其中，所述预设数量的区块包括多种不同类型不同尺寸的区块，各区块的类型及尺寸由区块内标志物特征类型以及显著性确定；分别对所述预设数量的区块进行特征提取，并将各区块特征组合为整车特征。应用本发明专利技术实施例可以提高车辆特征提取的精确性。

【技术实现步骤摘要】
一种车辆特征提取方法及装置
本专利技术涉及视频监控
，尤其涉及一种车辆特征提取方法及装置。
技术介绍
车辆卡口监控系统在道路交通管理中占据着不可替代的作用，通过精准抓拍过往的每一辆车，来实现对车辆基本信息的识别、分析和存储等功能。当前对卡口图片中车辆车牌、车型等基本信息检测的准确率已经达到很高的程度，但是在对套牌等违章嫌疑车辆的分析判别以及采用以图搜图方法的车辆检索方面的准确率和效率都还比较低，尤其是在处理海量数据的情况下。
技术实现思路
本专利技术提供一种车辆特征提取方法及装置，以提高车辆特征提取的精确性。根据本专利技术的第一方面，提供一种车辆特征提取方法，包括：获取目标车辆的车身区域图像；确定所述车身区域图像中的车窗区域，并进行关键点定位；根据所述关键点对所述车身区域图像进行透视变换和整车对齐处理；将处理后的车身区域图像划分为预设数量的区块；其中，所述预设数量的区块包括多种不同类型不同尺寸的区块，各区块的类型及尺寸由区块内标志物特征类型以及显著性确定；分别对所述预设数量的区块进行特征提取，并将各区块特征组合为整车特征。根据本专利技术的第二方面，提供一种车辆特征提取装置，包括：获取单元，用于获取目标车辆的车身区域图像；确定单元，用于确定所述车身区域图像中的车窗区域，并进行关键点定位；处理单元，用于根据所述关键点对所述车身区域图像进行透视变换和整车对齐处理；划分单元，用于将处理后的车身区域图像划分为预设数量的区块；其中，所述预设数量的区块包括多种不同类型不同尺寸的区块，各区块的类型及尺寸由区块内标志物特征类型以及显著性确定；特征提取单元，用于分别对所述预设数量的区块进行特征提取，并将各区块特征组合为整车特征。应用本专利技术公开的技术方案，通过获取目标车辆的车身区域图像，确定车身区域图像中的车窗区域，并进行关键点定位，进而根据关键点对车身区域图像进行透视变换和整车对齐处理，将处理后的车身区域图像划分为预设数量的区块，并分别所述预设数量的区块进行特征提取，最终将各区块特征组合为整车特征，提高了车身特征提取的精确性。附图说明图1是本专利技术实施例提供的一种车辆特征提取方法的流程示意图；图2A～2G是本专利技术实施例提供的具体场景下的车辆特征提取的示意图；图3是本专利技术实施例提供的一种车辆特征提取装置的结构示意图；图4是本专利技术实施例提供的另一种车辆特征提取装装置的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术实施例中的技术方案，并使本专利技术实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术实施例中技术方案作进一步详细的说明。请参见图1，为本专利技术实施例提供的一种车辆特征提取方法的流程示意图，其中，该车辆特征提取方法可以应用于视频监控系统，如图1所示，该车辆特征提取方法可以包括以下步骤：需要说明的是，步骤101～步骤105的执行主体可以为视频监控系统中的后台服务器，或后台服务器的处理器，如CPU(CenterProcessUnit，中央处理单元)或GPU(GraphicsProcessingUnit，图形处理器)，为便于描述，以下以步骤101～步骤105的执行主体为服务器为例进行说明。步骤101、获取目标车辆的车身区域图像。本专利技术实施例中，目标车辆并不特指某一固定车辆，而是可以指代任一需要进行特征提取的车辆，本专利技术实施例后续不再复述。本专利技术实施例中，可以通过运动目标检测，并根据车牌位置信息，获取目标车辆的车身区域图像。其中，目标车辆的车身区域图像可以由前端相机在卡口图片抓拍后处理获得，并传输给后台服务器。步骤102、确定车身区域图像中的车窗区域，并进行关键点定位。本专利技术实施例中，后台服务器获取到目标车辆的车身区域图像之后，可以在该车身区域图像中检测车窗区域，例如，后台服务器可以通过Adaboost(一种迭代算法)车窗分类器在车身区域图像中检测车窗区域。其中，若未特殊说明，本专利技术实施例中提及的车窗区域指车辆挡风玻璃区域。本专利技术实施例中，后台服务器确定了车身区域图像中的车窗区域之后，可以进行关键点定位，其中，该关键点可以包括车窗关键点以及车底关键点等。例如，后台服务器可以通过CNN(ConvolutionalNeuralNetwork，卷积神经网络)回归训练的方式实现车窗关键点的定位，并根据车身区域图像的宽度、高度以及车身区域图像中车牌的宽度进行车底关键点定位。其中，车窗关键点可以分别位于车窗区域的四个顶角位置。步骤103、根据关键点对车身区域图像进行透视变换和整车对齐处理。本专利技术实施例中，后台服务器确定了车身区域图像中的车窗区域，并进行了关键点定位之后，可以根据该关键点对目标车辆进行整车区域透视变换及整车对齐处理。其中，为了提高透视变换的效果，后台服务器对目标车辆进行透视变换时，可以将车身区域图像划分为多个不同的区域分别进行透视变换，并对各透视变换后的区域进行归一化处理，并对齐拼接。作为一种可选的实施方式，上述进行关键点定位，可以包括：根据车窗区域进行车窗关键点定位，并根据车身区域图像的宽度、高度以及车身区域图像中车牌的宽度进行车底关键点定位；相应地，根据关键点对车身区域图像进行透视变换和整车对齐处理，可以包括：根据车窗关键点以及车底关键点将车身区域图像划分为车窗区域和前车脸区域；分别对车窗区域和前车脸区域进行透视变换处理；将透视变换处理后的车窗区域和前车脸区域对齐后进行拼接。在该实施方式中，后台服务器可以根据车身区域图像中的车窗关键点以及车底关键点将车身区域划分为车窗区域和前车脸区域。其中，前车脸区域可以根据车窗区域下面的两个关键点以及由车身图宽、高以及车牌宽度等信息共同计算得到的车底两个关键点(即车底关键点)来确定。在该实施方式中，后台服务器将车身区域图像划分为车窗区域和前车脸区域之后，可以分别对车窗区域和前车脸区域进行透视变换，并对透视变换处理后的车窗区域和前车脸区域进行归一化处理后，将车窗区域和前车脸区域对齐拼接。值得说明的是，在本专利技术实施例中，后台服务器对车身区域图像进行透视变换时，并不限于将车身区域图像划分为车窗区域和前车脸区域，也可以根据不同的车型划分为更多区域分别进行透视变换，然后对归一化的各区域进行对齐拼接，例如，后台服务器可以将车身区域图像划分为车窗区域、引擎盖区域以及车灯区域等，其具体实现在此不做赘述。步骤104、将处理后的车身区域图像划分为预设数量的区块，其中，该预设数量的区块包括多种不同类型不同尺寸的区块，各区块的类型及尺寸由区块内标志物特征类型以及显著性确定。本专利技术实施例中，考虑到在采用以图搜图方法的车辆检索应用中，车身区域图像中不同位置区域包含的有效特征的多少并不完全相同，即对于不同车辆的车身区域图像中，部分位置中包含的特征之间的区别较小，例如，车辆引擎盖区域、车辆进气栅区域、车牌区域等，不同车辆之间区别较小；此外，也存在包含的特征区别较大的位置，例如，年检标区域(年检标的具体位置、不同标签的具体排布等通常存在区别)、挂坠区域(挂坠的样式、位置和长短等通常存在区别)、纸巾盒区域(具体物件、纸巾盒的样式、位置等通常存在区别)等，因此，在对目标车辆的车身区域进行区块划分时，可以根据各位置中有效特征的分布情况将车身区域划分为尺寸不等的多个区块。相应地，在一种可选的实施方式中，本文档来自技高网...

【技术保护点】
1.一种车辆特征提取方法，其特征在于，包括：获取目标车辆的车身区域图像；确定所述车身区域图像中的车窗区域，并进行关键点定位；根据所述关键点对所述车身区域图像进行透视变换和整车对齐处理；将处理后的车身区域图像划分为预设数量的区块；其中，所述预设数量的区块包括多种不同类型不同尺寸的区块，各区块的类型及尺寸由区块内标志物特征类型以及显著性确定；分别对所述预设数量的区块进行特征提取，并将各区块特征组合为整车特征。

【技术特征摘要】
1.一种车辆特征提取方法，其特征在于，包括：获取目标车辆的车身区域图像；确定所述车身区域图像中的车窗区域，并进行关键点定位；根据所述关键点对所述车身区域图像进行透视变换和整车对齐处理；将处理后的车身区域图像划分为预设数量的区块；其中，所述预设数量的区块包括多种不同类型不同尺寸的区块，各区块的类型及尺寸由区块内标志物特征类型以及显著性确定；分别对所述预设数量的区块进行特征提取，并将各区块特征组合为整车特征。2.根据权利要求1所述的方法，其特征在于，所述进行关键点定位，包括：根据所述车窗区域进行车窗关键点定位，并根据所述车身区域图像的宽度、高度以及所述车身区域图像中车牌的宽度进行车底关键点定位；所述根据所述关键点对所述车身区域图像进行透视变换和整车对齐处理，包括：根据所述车窗关键点以及所述车底关键点将所述车身区域图像划分为车窗区域和前车脸区域；分别对所述车窗区域和前车脸区域进行透视变换处理；将透视变换处理后的车窗区域和前车脸区域对齐后进行拼接。3.根据权利要求1所述的方法，其特征在于，所述将处理后的车身区域图像划分为预设数量的区块，包括：根据车身区域中关键标志物的分布将处理后的车身区域划分为预设数量的区块；其中，不包含关键标志物的区块的尺寸大于包含关键标志物的区块的尺寸。4.根据权利要求1所述的方法，其特征在于，所述分别对所述预设数量的区块进行特征提取，包括：将各区块缩放为统一尺寸，并将缩放后的各类型区块输入到对应的特征提取模型中进行特征提取；其中，各类型区块对应的特征提取模型不完全相同。5.根据权利要求4所述的方法，其特征在于，不同特征提取模型对应的特征向量的长度相同；或者，不同特征提取模型对应的特征向量的长度不完全相同。6.一种车...

【专利技术属性】
技术研发人员：余永龙，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江,33