一种基于AutoEncoder和属性标签的车辆检索方法技术

本发明专利技术提供了一种基于AutoEncoder和属性标签的车辆检索方法，其特征在于，包括步骤：a)采集卡口车辆图像数据集，训练深度AutoEncoder用于提取车辆的全局视觉特征；b)对所述卡口车辆，训练部件检测和属性识别模型，用于获得车辆属性标签识别；c)提取监控系统中的所有卡口图像，检测车辆后提取车辆全局特征和属性标签，完成车辆数据入库；d)将待检索图像与卡口车辆图像数据库进行相似度匹配：在待检索图像输入到AutoEncoder网络中计算得到车辆特征，将车辆特征与所述卡口车辆图像数据库中的车辆特征进行比较，按相似度排序返回检索结果；e)输入待检索图像中的车辆属性，通过车辆属性进一步对步骤d中的检索结果进行筛选。

A vehicle retrieval method based on AutoEncoder and attribute label

The present invention provides a method for retrieving AutoEncoder and attribute based vehicle, characterized by comprising the steps of: a) acquisition vehicle mount image data sets, the training depth of AutoEncoder for the extraction of global visual features of the vehicle; b) of the bayonet vehicles, training parts detection and attribute recognition model, used to obtain vehicle attributes tag identification; c) to extract all the bayonet in image monitoring system, vehicle detection vehicle extract global features and attribute labels, vehicle data storage; d) to image retrieval and image data base vehicle mount similarity matching in image retrieval to be input to the AutoEncoder network to calculate vehicle characteristics, vehicle characteristics of vehicle feature with the bayonet vehicle images in the database are compared, sorted by similarity retrieval results; E) the input images to be retrieved The vehicle attributes in the vehicle are further filtered through the vehicle attributes to retrieve the retrieval results in step D.

【技术实现步骤摘要】
一种基于AutoEncoder和属性标签的车辆检索方法
本专利技术涉及人工智能、机器学习、模式识别、视频检索、统计学等
，具体是一种车型、车等多种特征综合的方法在车辆检索这一智能化监控视频分析技术中的应用。
技术介绍
随着交通容量和车辆数目的大幅增加，各种交通违章和交通肇事频频发生，给交通监管部门提出了更高的要求。传统的人工标注和检索方式已无法满足现代交通发展的需要。基于监控网络的车辆检索是采用基于内容的图像检索技术从车道卡口快速查找车辆。传统内容检索方式包括图像特征提取、分类器学习和视觉相似性检索。采用单一特征进行车辆检索，在返回目标结果的同时往往会返回大量其他也满足此检索要求的结果。因此车辆检索技术一方面需要采用更具体代表性的特征，另一面需要在单一特征检索的基础上通过其它的筛选方法，更一步检索得到用户所需的结果。
技术实现思路
本专利技术提供了一种基于AutoEncoder和属性标签的车辆检索方法，其特征在于，包括步骤：a)采集卡口车辆图像数据库，通过训练深度AutoEncoder提取车辆的全局视觉特征；b)对所述卡口车辆，训练部件检测和属性识别模型，获得车辆属性标签；c)提取本文档来自技高网...

【技术保护点】
一种基于AutoEncoder和属性标签的车辆检索方法，其特征在于，包括步骤：a)采集卡口车辆图像数据集，通过训练深度AutoEncoder用于提取车辆的全局视觉特征；b)对所述卡口车辆，训练部件检测和属性识别模型，用于获得车辆属性标签；c)提取监控系统中的所有卡口图像，检测车辆后提取车辆全局特征和属性标签，完成车辆数据入库；d)将待检索图像与卡口车辆图像数据库进行相似度匹配：在待检索图像输入到AutoEncoder网络中计算得到车辆特征，将车辆特征与所述卡口车辆图像数据库中的车辆特征进行比较，按相似度排序返回检索结果；e)输入待检索图像中的车辆属性，通过车辆属性进一步对步骤d中的检索结果进行...

【技术特征摘要】
1.一种基于AutoEncoder和属性标签的车辆检索方法，其特征在于，包括步骤：a)采集卡口车辆图像数据集，通过训练深度AutoEncoder用于提取车辆的全局视觉特征；b)对所述卡口车辆，训练部件检测和属性识别模型，用于获得车辆属性标签；c)提取监控系统中的所有卡口图像，检测车辆后提取车辆全局特征和属性标签，完成车辆数据入库；d)将待检索图像与卡口车辆图像数据库进行相似度匹配：在待检索图像输入到AutoEncoder网络中计算得到车辆特征，将车辆特征与所述卡口车辆图像数据库中的车辆特征进行比较，按相似度排序返回检索结果；e)输入待检索图像中的车辆属性，通过车辆属性进一步对步骤d中的检索结果进行筛选。2.根据权利要求1所述的方法，其特征在于：所述步骤a)中训练深度AutoEncoder的方法为：编码端为三层特征提取部分，解码端为三层重构部分：第一个编码层的权重矩阵W1A和偏移第一个解码层的权重矩阵W1R和偏移第二个编码层的权重矩阵和偏移第二层解码层的权重矩阵和偏移第三个编码层的权重矩阵和偏移第三解码层的权重矩阵和偏移其目标函数为：其中为sigmoid函数。采用逐层贪婪法训练AutoEncoder。3.根据权利要求1所述的方法，其特征在于：所述步骤b)中训练属性识别模型的数据包括人工标注和检测追踪算法获取的包括不同场景和不同气候条件下的卡...

【专利技术属性】
技术研发人员：王海滨，阳平，
申请(专利权)人：中科唯实科技北京有限公司，
类型：发明
国别省市：北京,11