车辆重识别方法、装置及系统制造方法及图纸

本发明专利技术提供了一种车辆重识别方法、装置及系统，涉及车辆重识别技术领域，该方法包括：获取待识别的目标车辆图像；其中，目标车辆图像携带有方向信息；将目标车辆图像输入至预先训练得到的特征提取模型，以使特征提取模型基于目标车辆图像的方向信息对目标车辆图像进行方向重投影，并根据方向重投影后的重投影特征确定目标车辆图像的车辆特征；根据目标车辆图像的车辆特征，基于已有的车辆特征集识别与目标车辆图像匹配的车辆图像；其中，车辆特征集包含有多张车辆图像经特征提取模型提取出的车辆特征。本发明专利技术能够较好地提高车辆重识别的准确性。

【技术实现步骤摘要】
车辆重识别方法、装置及系统
本专利技术涉及车辆重识别
，尤其是涉及一种车辆重识别方法、装置及系统。
技术介绍
车辆重识别(VehicleRe-identification，Reid)能够在图像库或者视频流中找到与待识别车辆图像相同的其它车辆图像。车辆重识别可广泛应用于车辆检索、车辆追踪等安防领域，诸如，在刑侦应用中，能够根据待追踪车辆的一张图像在城市庞大的摄像头网络所采集的各车辆图像中找到该车辆。现有的车辆重识别对同一车辆位于不同方向的多张图像进行匹配时，匹配结果非常不理想。诸如，A车对应有A正面图像和A背面图像，B车对应有B正面图像和B背面图像，由于同一车辆的正背面差异较大，车辆重识别的结果可能为A正面图像和B正面图像对应同一辆车，A正面图像和A背面图像为不同的车，致使重识别准确率不高。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种车辆重识别方法、装置及系统，能够较好地提高车辆重识别的准确性。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种车辆重识别方法，包括：获取待识别的目标车辆图像；其中，所述目标车辆图像携带有方向信息；将所述目标车辆图像输入至预先训练得到的特征提取模型，以使所述特征提取模型基于所述目标车辆图像的方向信息对所述目标车辆图像进行方向重投影，并根据方向重投影后的重投影特征确定所述目标车辆图像的车辆特征；根据所述目标车辆图像的车辆特征，基于已有的车辆特征集识别与所述目标车辆图像匹配的车辆图像；其中，所述车辆特征集包含有多张车辆图像经所述特征提取模型提取出的车辆特征。进一步，本专利技术实施例提供了第一方面的第一种可能的实施方式，所述基于所述目标车辆图像的方向信息对所述目标车辆图像进行方向重投影的步骤，包括：基于所述目标车辆图像的方向信息提取所述目标车辆的方向特征；将提取出的所述方向特征重投影至目标空间，得到所述方向特征在所述目标空间内的重投影特征。进一步，本专利技术实施例提供了第一方面的第二种可能的实施方式，所述特征提取模型包括特征初提取网络、与所述特征初提取网络分别相连的多个方向重投影网络，以及与多个所述方向重投影网络相连的融合层；其中，每个所述方向重投影网络对应一种车辆方向。进一步，本专利技术实施例提供了第一方面的第三种可能的实施方式，所述特征提取模型的训练步骤包括：获取训练图像集；所述训练图像集包含多张车辆训练图像；每张所述车辆训练图像携带有方向信息和车辆编码；将各所述车辆训练图像输入至所述特征初提取网络，通过所述特征初提取网络提取各所述车辆训练图像的初步特征；将各所述车辆训练图像的初步特征以及对应的方向信息根据所述方向信息分别输入至多个所述方向重投影网络，通过各个所述方向重投影网络基于各所述车辆训练图像的方向信息对各所述车辆训练图像进行方向重投影，生成各所述车辆训练图像的重投影特征；将各所述车辆训练图像的重投影特征输入至所述融合层，通过所述融合层对各所述车辆训练图像的重投影特征进行特征融合，得到所述训练图像集的组合特征；基于所述训练图像集的组合特征，通过损失函数对所述特征提取模型进行训练。进一步，本专利技术实施例提供了第一方面的第四种可能的实施方式，所述获取训练图像集的步骤，包括：获取多个车辆对应的车辆训练图像；其中，每个所述车辆对应有多张方向信息不同的车辆训练图像。进一步，本专利技术实施例提供了第一方面的第五种可能的实施方式，所述对各所述车辆训练图像的重投影特征进行特征融合，得到所述训练图像集的组合特征的步骤，包括:根据各所述车辆训练图像的方向信息，以及各所述方向重投影网络对应的车辆方向，确定与各所述方向重投影网络匹配的车辆训练图像；保留与各所述方向重投影网络匹配的车辆训练图像的重投影特征，并将与各所述方向重投影网络不匹配的车辆训练图像的重投影特征置零；通过按位相加方式将与各所述方向重投影网络匹配的车辆训练图像的重投影特征融合形成所述训练图像集的组合特征。进一步，本专利技术实施例提供了第一方面的第六种可能的实施方式，所述基于所述训练图像集的组合特征，通过损失函数对所述特征提取模型进行训练的步骤，包括：将所述训练图像集的组合特征输入至第一损失函数，以及将所述训练图像集的组合特征通过外接分类网络输入至第二损失函数；基于所述第一损失函数的值和所述第二损失函数的值训练所述特征提取模型，直至所述第一损失函数的值收敛至第一预设阈值，且所述第二损失函数的值均收敛至第二预设阈值时停止训练；其中，当训练结束时，同一车辆编码对应的多张车辆训练图像的车辆特征之间的间距小于预设间距值。进一步，本专利技术实施例提供了第一方面的第七种可能的实施方式，所述方向重投影网络包括依次连接的方向特征提取子网络和特征重投影子网络；所述方向特征提取子网络用于基于各所述车辆训练图像的方向信息提取各所述车辆训练图像的方向特征，并将提取的所述方向特征传递给所述特征重投影子网络；所述特征重投影子网络用于对所述方向特征提取子网络传递的所述方向特征进行投影变换，生成各所述车辆训练图像的重投影特征。进一步，本专利技术实施例提供了第一方面的第八种可能的实施方式，所述基于已有的车辆特征集识别与所述目标车辆图像匹配的车辆图像的步骤，包括：计算所述目标车辆图像的车辆特征与已有的车辆特征集中各所述车辆图像的车辆特征之间的特征间距值；从计算得到的多个所述特征间距值中找到最小特征间距值；判断所述最小特征间距值是否低于预设特征间距阈值；如果是，将所述最小特征间距值对应的所述车辆特征集中的车辆图像确定与所述目标车辆图像相匹配。第二方面，本专利技术实施例还提供一种车辆重识别装置，包括：图像获取模块，用于获取待识别的目标车辆图像；其中，所述目标车辆图像携带有方向信息；模型输入模块，用于将所述目标车辆图像输入至预先训练得到的特征提取模型，以使所述特征提取模型基于所述目标车辆图像的方向信息对所述目标车辆图像进行方向重投影，并根据方向重投影后的重投影特征确定所述目标车辆图像的车辆特征；识别模块，用于根据所述目标车辆图像的车辆特征，基于已有的车辆特征集识别与所述目标车辆图像匹配的车辆图像；其中，所述车辆特征集包含有多张车辆图像经所述特征提取模型提取出的车辆特征。第三方面，本专利技术实施例提供了一种车辆重识别系统，包括：图像采集装置、处理器和存储装置；所述图像采集装置，用于采集图像信息；所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如第一方面任一项所述的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行第一方面任一项所述的方法的步骤。本专利技术实施例提供了一种车辆重识别方法、装置及系统，通过能够将待识别的目标车辆图像输入至预先训练得到的特征提取模型，该特征提取模型能够基于目标车辆图像的方向信息对目标车辆图像进行方向重投影，并根据方向重投影后的重投影特征确定目标车辆图像的车辆特征，进而基于已有的车辆特征集识别与目标车辆图像匹配的车辆图像。这种车辆重识别方式在提取车辆特征时进行方向重投影处理，以提升对不同方向下的同一车辆的重识别能力，进而提升车辆重识别的准确度。本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定本文档来自技高网...

【技术保护点】
1.一种车辆重识别方法，其特征在于，包括：获取待识别的目标车辆图像；其中，所述目标车辆图像携带有方向信息；将所述目标车辆图像输入至预先训练得到的特征提取模型，以使所述特征提取模型基于所述目标车辆图像的方向信息对所述目标车辆图像进行方向重投影，并根据方向重投影后的重投影特征确定所述目标车辆图像的车辆特征；根据所述目标车辆图像的车辆特征，基于已有的车辆特征集识别与所述目标车辆图像匹配的车辆图像；其中，所述车辆特征集包含有多张车辆图像经所述特征提取模型提取出的车辆特征。

【技术特征摘要】
1.一种车辆重识别方法，其特征在于，包括：获取待识别的目标车辆图像；其中，所述目标车辆图像携带有方向信息；将所述目标车辆图像输入至预先训练得到的特征提取模型，以使所述特征提取模型基于所述目标车辆图像的方向信息对所述目标车辆图像进行方向重投影，并根据方向重投影后的重投影特征确定所述目标车辆图像的车辆特征；根据所述目标车辆图像的车辆特征，基于已有的车辆特征集识别与所述目标车辆图像匹配的车辆图像；其中，所述车辆特征集包含有多张车辆图像经所述特征提取模型提取出的车辆特征。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标车辆图像的方向信息对所述目标车辆图像进行方向重投影的步骤，包括：基于所述目标车辆图像的方向信息提取所述目标车辆的方向特征；将提取出的所述方向特征重投影至目标空间，得到所述方向特征在所述目标空间内的重投影特征。3.根据权利要求1所述的方法，其特征在于，所述特征提取模型包括特征初提取网络、与所述特征初提取网络分别相连的多个方向重投影网络，以及与多个所述方向重投影网络相连的融合层；其中，每个所述方向重投影网络对应一种车辆方向。4.根据权利要求3所述的方法，其特征在于，所述特征提取模型的训练步骤包括：获取训练图像集；所述训练图像集包含多张车辆训练图像；每张所述车辆训练图像携带有方向信息和车辆编码；将各所述车辆训练图像输入至所述特征初提取网络，通过所述特征初提取网络提取各所述车辆训练图像的初步特征；将各所述车辆训练图像的初步特征以及对应的方向信息根据所述方向信息分别输入至多个所述方向重投影网络，通过各个所述方向重投影网络基于各所述车辆训练图像的方向信息对各所述车辆训练图像进行方向重投影，生成各所述车辆训练图像的重投影特征；将各所述车辆训练图像的重投影特征输入至所述融合层，通过所述融合层对各所述车辆训练图像的重投影特征进行特征融合，得到所述训练图像集的组合特征；基于所述训练图像集的组合特征，通过损失函数对所述特征提取模型进行训练。5.根据权利要求4所述的方法，其特征在于，所述获取训练图像集的步骤，包括：获取多个车辆对应的车辆训练图像；其中，每个所述车辆对应有多张方向信息不同的车辆训练图像。6.根据权利要求4所述的方法，其特征在于，所述对各所述车辆训练图像的重投影特征进行特征融合，得到所述训练图像集的组合特征的步骤，包括:根据各所述车辆训练图像的方向信息，以及各所述方向重投影网络对应的车辆方向，确定与各所述方向重投影网络匹配的车辆训练图像；保留与各所述方向重投影网络匹配的车辆训练图像的重投影特征，并将与各所述方向重投影网络不匹配的车辆训练图像的重投影特征置零；通过按位相加方式将与各所述方向...

【专利技术属性】
技术研发人员：周啸辰，金昊，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京,11