一种基于多深度特征融合网络的车辆再识别方法技术

本发明专利技术涉及一种基于多深度特征融合的车辆再识别方法，包括：提取训练车辆图像的深度ID特征，提取训练车辆图像的深度颜色特征，提取训练车辆图像的深度车型特征，将提取的三种深度特征进行组合，获得融合特征，通过Softmax分类函数对融合后的深度特征进行分类。本发明专利技术对输入的车辆图像提取深度ID特征、深度颜色特征和深度车型特征并进行有效地融合，实现三种深度特征的互补，获得更有表征能力的融合特征，从而实现准确的车辆再识别。

A Vehicle Recognition Method Based on Multi-Depth Feature Fusion Network

The invention relates to a vehicle recognition method based on multi-depth feature fusion, which includes: extracting the depth ID feature of the training vehicle image, extracting the depth color feature of the training vehicle image, extracting the depth vehicle type feature of the training vehicle image, combining the three extracted depth features, and obtaining the fusion feature through Sof. Tmax classification function classifies the fused depth features. The method extracts the depth ID feature, the depth color feature and the depth vehicle type feature from the input vehicle image and fuses them effectively, realizes the complementarity of the three depth features, obtains the fusion feature with more representational ability, and realizes the accurate vehicle recognition.

【技术实现步骤摘要】
一种基于多深度特征融合网络的车辆再识别方法
本专利技术涉及计算机视觉和模式识别，尤其涉及一种基于多深度特征融合网络的车辆再识别方法。
技术介绍
随着“智慧城市”和“智能交通”的推动建设，成千上万的监控摄像头部署在城市的各个角落，例如街道、机场、火车站等公共场所。这些摄像头在给城市公共安全提供了基础保障的同时，也产生了大量的视频数据，人工去对这些视频进行分析是不合理的，通过智能视频分析确定一辆车或者一个人在不同的场景中的活动特征，从而实现智能预警，这样不仅能够提高效率还能显著提升监控的质量。而作为视频智能分析技术的重要辅助手段，车辆再识别技术无疑是智能视频监控系统的重要组成部分。车辆再识别是指在监控视频中识别出特定的已经在监控视频中出现过的车辆。其具有重要的应用前景，例如车辆追踪、车辆定位、罪犯检测等。在车辆再识别的方法中，传统的方法是基于结合多个线索和传感器数据，例如车牌号码、车辆通行时间和无线磁传感器等，这种方法不仅需要额外的硬件花费，还对变幻莫测的环境非常敏感，并且在犯罪场景下，像车牌号码这种重要的信息往往被故意遮挡或更换。因此，纯粹基于车辆外观的再识别方法具有较高的实用价值，比本文档来自技高网...

【技术保护点】
1.一种基于多深度特征融合网络的车辆再识别方法，其特征在于，包括训练过程和再识别过程，步骤如下：训练过程S1：随机输入m张具有车辆ID、车辆颜色和车辆车型标签属性的训练图像对基于卷积神经网络的多深度特征融合网络模型进行训练，直至模型收敛，从而获得模型M；再识别过程S2：利用S1中训练好的基于多深度特征融合的网络模型M分别提取测试图像和候选库中每个图像的融合特征，从而计算测试图像与候选库中图像的相似度，根据相似度的大小进行车辆ID预测，并输出识别结果。

【技术特征摘要】
1.一种基于多深度特征融合网络的车辆再识别方法，其特征在于，包括训练过程和再识别过程，步骤如下：训练过程S1：随机输入m张具有车辆ID、车辆颜色和车辆车型标签属性的训练图像对基于卷积神经网络的多深度特征融合网络模型进行训练，直至模型收敛，从而获得模型M；再识别过程S2：利用S1中训练好的基于多深度特征融合的网络模型M分别提取测试图像和候选库中每个图像的融合特征，从而计算测试图像与候选库中图像的相似度，根据相似度的大小进行车辆ID预测，并输出识别结果。2.根据权利要求1所述的基于多深度特征融合网络的车辆再识别方法，其特征在于，训练过程S1的步骤如下：S11)，随机选取m张具有车辆ID、车辆颜色和车辆车型标签属性的训练图像；S12)，将训练图像分别送入基于卷积神经网络的车辆ID特征学习模块、车辆颜色特征学习模块和车辆车型特征学习模块中，采用前向传播算法分别提取它们相应的深度车辆ID特征a(a1,a2,...,am)、深度车辆颜色特征b(b1,b2,...,bm)和深度车辆车型特征c(c1,c2...,cm)；S13)，将深度特征a、b和c进行特征向量拼接，从而获得融合特征V＝[a，b，c]，根据输入的训练图像的车辆ID标签属性，通过Softmax分类函数对融合特征V进行分类；S14)，利用分类结果与真实结果的误差，采用误差反向传播算法来训练基于卷积神经网络的多深度特征融合网络模型；S15)，重复步骤S11)至步骤S14)，直到上述基于卷积神经网络的多深度特征融合网络模...

【专利技术属性】
技术研发人员：曾焕强，侯进辉，朱建清，蔡磊，陈婧，蔡灿辉，马凯光，
申请(专利权)人：华侨大学，
类型：发明
国别省市：福建,35