一种卡口车辆检索方法及其系统技术方案

一种卡口车辆检索方法，包括：特征提取区域框选：根据案件提供的嫌疑车辆目标的有效信息，在嫌疑车辆目标的图片中框选该嫌疑车辆目标的特征提取区域；嫌疑车辆目标特征信息提取：在所述特征提取区域内，提取所述嫌疑车辆目标的特征信息；卡口车辆特征信息提取：根据案件提供的所有卡口图片，检测每张图片中车辆目标，提取各车辆目标的特征信息；相似度比对：将提取的每个车辆目标的特征信息与所述嫌疑车辆目标的特征信息进行相似度比对，将满足预设相似度条件的相应卡口图片作为检索结果。本发明专利技术有效提升了特征检索功能的鲁棒性，保证了检索结果的有效性。

Bayonet vehicle retrieval method and system thereof

A retrieval method, including feature extraction of regional vehicle mount box selection: according to the information provided by the suspect vehicle target case, the suspect vehicle target picture frame feature of the suspect vehicle target extraction area; extracting feature information of the target in the suspect vehicle: extracting the feature region, the feature information extraction the suspect vehicle target extraction; vehicle mount characteristic information: all cases according to the bayonet pictures provided by the vehicle target detection in each picture, the vehicle target feature extraction; similarity comparison: the similarity matching feature information of each vehicle target extraction of feature information and the suspect vehicle target, will meet the corresponding bayonet pictures the default similarity conditions as the search results. The invention effectively improves the robustness of the feature retrieval function and ensures the validity of the retrieval result.

【技术实现步骤摘要】

本专利技术属于车辆检索
，尤其涉及一种卡口车辆检索方法及其系统。
技术介绍
一般肇事逃逸或车辆盗窃事件的车辆，犯罪嫌疑人会对车牌或车辆进行某种程度的破坏，如遮挡车牌、更换车牌、套牌等，故传统依赖车牌信息进行车辆检索的结果将受到很大的干扰。
技术实现思路
基于此，针对上述技术问题，提供一种卡口车辆检索方法及其系统。为解决上述技术问题，本专利技术采用如下技术方案：一种卡口车辆检索方法，包括：特征提取区域框选：根据案件提供的嫌疑车辆目标的有效信息，在嫌疑车辆目标的图片中框选该嫌疑车辆目标的特征提取区域；嫌疑车辆目标特征信息提取：在所述特征提取区域内，提取所述嫌疑车辆目标的特征信息；卡口车辆特征信息提取：根据案件提供的所有卡口图片，检测每张图片中车辆目标，提取各车辆目标的特征信息；相似度比对：将提取的每个车辆目标的特征信息与所述嫌疑车辆目标的特征信息进行相似度比对，将满足预设相似度条件的相应卡口图片作为检索结果。本方案还包括交互式检索：将所述检索结果与用户需求相结合，通过人机交互的迭代检索方式，持续搜索嫌疑目标车辆直至检索到的结果满足用户需求。所述特征提取区域为目标整体特征区域或者目标局部特征区域，若嫌疑车辆目标的有效信息包括整体信息，则所述特征提取区域框选步骤框选目标整体特征区域,若嫌疑车辆目标的有效信息包括局部信息，则所述特征提取区域框选步骤框选目标局部特征区域。所述嫌疑车辆目标特征信息提取步骤通过深度学习特征提取算法在所述特征提取区域内，提取所述嫌疑车辆目标的特征信息。所述卡口车辆特征信息提取步骤根据案件提供的所有卡口图片，通过深度学习检测算法检测每张图片中车辆目标，通过深度学习特征提取算法提取各车辆目标的特征信息。本方案还涉及一种卡口车辆检索系统，其特征在于，包括：特征提取区域框选模块，用于根据案件提供的嫌疑车辆目标的有效信息，在嫌疑车辆目标的图片中框选该嫌疑车辆目标的特征提取区域；嫌疑车辆目标特征信息提取模块，用于在所述特征提取区域内，提取所述嫌疑车辆目标的特征信息；卡口车辆特征信息提取模块，用于据案件提供的所有卡口图片，检测每张图片中车辆目标，提取各车辆目标的特征信息；相似度比对模块，用于将提取的每个车辆目标的特征信息与所述嫌疑车辆目标的特征信息进行相似度比对，将满足预设相似度条件的相应卡口图片作为检索结果。本方案还包括交互式检索模块，用于将所述检索结果与用户需求相结合，通过人机交互的迭代检索方式，持续搜索嫌疑目标车辆直至检索到的结果满足用户需求。所述特征提取区域为目标整体特征区域或者目标局部特征区域，若嫌疑车辆目标的有效信息包括整体信息，则所述特征提取区域框选模块框选目标整体特征区域,若嫌疑车辆目标的有效信息包括局部信息，则所述特征提取区域框选模块框选目标局部特征区域。所述嫌疑车辆目标特征信息提取步骤通过深度学习特征提取算法在所述特征提取区域内，提取所述嫌疑车辆目标的特征信息。所述卡口车辆特征信息提取模块根据案件提供的所有卡口图片，通过深度学习检测算法检测每张图片中车辆目标，通过深度学习特征提取算法提取各车辆目标的特征信息。本专利技术提取车辆结构化及非结构化特征信息，具体会涵盖车牌、车标、车型、车身颜色、车窗粘贴物、车内饰物等，最大限度扩充了用于检索的特征信息，即使其中部分特征被破坏依旧有其他特征可支持目标的检索，有效提升了特征检索功能的鲁棒性，保证了检索结果的有效性。附图说明下面结合附图和具体实施方式本专利技术进行详细说明：图1为本专利技术的一种卡口车辆检索方法的流程图；图2为本专利技术的一种卡口车辆检索系统的结构示意图。具体实施方式如图1所示，一种卡口车辆检索方法，包括：S110、特征提取区域框选：根据案件提供的嫌疑车辆目标的有效信息，在嫌疑车辆目标的图片中框选该嫌疑车辆目标的特征提取区域。其中，嫌疑车辆目标的有效信息包括该目标的图片、整体信息、局部信息以及其他线索。整体信息包括结构化信息及非结构化信息，此处的结构化信息是指可明确描述车辆属性结构的描述信息，如车牌号码、车标、车型、车身颜色、有无年检标志、有无挂饰、有无纸巾盒、有无划痕等等，非结构化信息是指不可明确描述且形式相对不固定的车辆属性信息，如车灯的流线型纹理信息、车内挂饰的形状信息、纸巾盒的摆放位置及形状信息、年检标志的位置排布信息、划痕的形状位置信息等等。局部信息，顾名思义，其为车辆局部的信息，同样包括结构化信息及非结构化信息，如车牌、挂饰有无及挂饰形状(流苏状、串珠状、星型状等)、纸巾盒有无及纸巾盒摆放位置、车辆有无划痕及划痕位置等。其他线索，指时间，地点等条件，用于辅助判断嫌疑车辆目标可能出现的地点区域，用作步骤S150交互式检索的辅助判别条件。特征提取区域为目标整体特征区域或者目标局部特征区域，若嫌疑车辆目标的有效信息包括整体信息，则特征提取区域框选步骤S110框选目标整体特征区域,若嫌疑车辆目标的有效信息包括局部信息，则特征提取区域框选步骤S110框选目标局部特征区域。S120、嫌疑车辆目标特征信息提取：通过深度学习特征提取算法在特征提取区域内，提取嫌疑车辆目标的特征信息。若步骤S110框选了目标整体特征区域,则提取车辆的结构化特征信息(如车牌、车标、车型、车身颜色、有无年检标志、有无挂饰、有无纸巾盒等等)以及非结构化特征信息(如车灯的流线形纹理信息、车内挂饰的形状信息、纸巾盒的摆放位置及形状信息、年检标志的排布信息、划痕的位置信息等等)。若步骤S110框选了目标局部特征区域，则提取该目标的局部特征信息，对框选的目标区域进行非结构化信息提取。S130、卡口车辆特征信息提取：根据案件提供的嫌疑车辆目标的有效信息，划定嫌疑目标车辆可能出现的地点区域，并将区域内抓拍到的所有图片组成卡口图片集，通过深度学习检测算法图片集中各卡口图片中的车辆目标，通过深度学习特征提取算法提取各车辆目标的特征信息。其中，深度学习检测算法实现原理：首先，搜集多种类别的机动车及非机动车的正负样本图集；其次，将样本图集送入用于目标分类检测的神经网络，调节网络参数，获得用于机动车检测的网络结构及模型；最后，利用训练所得的网络结构及模型，对卡口图片中机动车进行检测，得到机动车的位置信息，即特征提取区域。深度学习特征提取算法实现原理：首先，搜集多种类别本文档来自技高网...

【技术保护点】
一种卡口车辆检索方法，其特征在于，包括：特征提取区域框选：根据案件提供的嫌疑车辆目标的有效信息，在嫌疑车辆目标的图片中框选该嫌疑车辆目标的特征提取区域；嫌疑车辆目标特征信息提取：在所述特征提取区域内，提取所述嫌疑车辆目标的特征信息；卡口车辆特征信息提取：根据案件提供的所有卡口图片，检测每张图片中车辆目标，提取各车辆目标的特征信息；相似度比对：将提取的每个车辆目标的特征信息与所述嫌疑车辆目标的特征信息进行相似度比对，将满足预设相似度条件的相应卡口图片作为检索结果。

【技术特征摘要】
1.一种卡口车辆检索方法，其特征在于，包括：
特征提取区域框选：根据案件提供的嫌疑车辆目标的有效信息，在嫌
疑车辆目标的图片中框选该嫌疑车辆目标的特征提取区域；
嫌疑车辆目标特征信息提取：在所述特征提取区域内，提取所述嫌疑
车辆目标的特征信息；
卡口车辆特征信息提取：根据案件提供的所有卡口图片，检测每张图
片中车辆目标，提取各车辆目标的特征信息；
相似度比对：将提取的每个车辆目标的特征信息与所述嫌疑车辆目标
的特征信息进行相似度比对，将满足预设相似度条件的相应卡口图片作为
检索结果。
2.根据权利要求1所述的一种卡口车辆检索方法，其特征在于，还
包括交互式检索：将所述检索结果与用户需求相结合，通过人机交互的
迭代检索方式，持续搜索嫌疑目标车辆直至检索到的结果满足用户需求。
3.根据权利要求1或2所述的一种卡口车辆检索方法，其特征在于，
所述特征提取区域为目标整体特征区域或者目标局部特征区域，若嫌疑车
辆目标的有效信息包括整体信息，则所述特征提取区域框选步骤框选目标
整体特征区域,若嫌疑车辆目标的有效信息包括局部信息，则所述特征提取
区域框选步骤框选目标局部特征区域。
4.根据权利要求3所述的一种卡口车辆检索方法，其特征在于，所述
嫌疑车辆目标特征信息提取步骤通过深度学习特征提取算法在所述特征提
取区域内，提取所述嫌疑车辆目标的特征信息。
5.根据权利要求4所述的一种卡口车辆检索方法，其特征在于，所述
卡口车辆特征信息提取步骤根据案件提供的所有卡口图片，通过深度学习

\t检测算法检测每张图片中车辆目标，通过深度学习特征提取算法提取各车
辆目标的特征信息。
6.一种卡口车辆检...

【专利技术属性】
技术研发人员：张如高，刘丹，赵晓萌，王剑邦，
申请(专利权)人：博康智能网络科技股份有限公司，
类型：发明
国别省市：上海;31