The invention discloses a suspect vehicle retrieval method based on deep sticker detection, which belongs to the field of intelligent transportation and image retrieval. The method includes: detecting the car window of the car image at the entrance to the entrance to the entrance to obtain the car window paste area of the car image at the entrance to the entrance; detecting the car paste area at the entrance to the car, which includes comparing the information of the car paste to be detected with the information of the car paste database in order to obtain the vehicle retrieval result; and storing the car paste information in the car paste database in advance and in the detection process. Continuously supplemented. By selecting the sticker on the front face window of a suspected vehicle as a unique feature of the vehicle, the vehicle in the database can be retrieved accurately and effectively through training and using the depth network model to meet the vehicle retrieval requirements in the actual situation.
【技术实现步骤摘要】
一种基于深度车贴检测的嫌疑车辆检索方法
本专利技术涉及一种基于深度车贴检测的嫌疑车辆检索方法,属于智能交通领域以及图像检索领域。
技术介绍
目前,车辆检索系统主要根据视频或卡口图片中车辆固有的车牌号码、车辆品牌和车辆颜色来检索车辆的。但是,在现实生活中涉及到车辆的违法案件中,涉案车辆往往是假(套)牌车,甚至会改变车辆品牌标志以及车辆颜色,此时根据车辆品牌、颜色以及车牌号码进行侦查将发挥不了任何作用;同时,根据车辆品牌和车辆颜色检索可疑车辆在减少工作量方面起到的作用也很有限。因此,基于这些车辆固有属性特征的检索方法对于假(套)牌车辆达不到预期的检索效果。因此,需要提供一种能够针对车辆的某独一特征进行准确检索识别的方法。
技术实现思路
为了解决目前存在的基于车辆固有属性特征的检索方法对于假(套)牌车辆达不到预期的检索效果的问题,本专利技术选用嫌疑车辆前脸车窗上的车贴作为车辆的一个独有特征来对嫌疑车辆进行检索。车贴是指车辆前挡风玻璃上通常粘贴的环保标志、年检标志、交强险标志以及一些其他个人标志,这些大小,数量,位置不一的车贴可以视为车辆的一个独有特征。因此,本专利技术在实际应用中有着极为重要的意义。本专利技术的第一个目的在于提供一种车辆检索方法,所述方法包括:对卡口车辆图像进行车窗检测;获取卡口车辆图像中的车窗的车贴区域;对车贴区域进行车贴检测,所述车贴检测包括将待检测车贴信息与车贴数据库中的车贴信息做对比以得出车辆检索结果;其中车贴数据库中的车贴信息为预先存储并在检测过程中不断补充得到的。可选的,所述将待检测车贴信息与车贴数据库中的车贴信息做对比,包括:精修车贴检 ...
【技术保护点】
1.一种车辆检索方法,其特征在于,所述方法包括:对卡口车辆图像进行车窗检测;获取卡口车辆图像中的车窗的车贴区域;对车贴区域进行车贴检测,所述车贴检测包括将待检测车贴信息与车贴数据库中的车贴信息做对比以得出车辆检索结果;其中车贴数据库中的车贴信息为预先存储并在检测过程中不断补充得到的。
【技术特征摘要】
1.一种车辆检索方法,其特征在于,所述方法包括:对卡口车辆图像进行车窗检测;获取卡口车辆图像中的车窗的车贴区域;对车贴区域进行车贴检测,所述车贴检测包括将待检测车贴信息与车贴数据库中的车贴信息做对比以得出车辆检索结果;其中车贴数据库中的车贴信息为预先存储并在检测过程中不断补充得到的。2.根据权利要求1所述的方法,其特征在于,所述将待检测车贴信息与车贴数据库中的车贴信息做对比,包括:精修车贴检测框,得到待检测车贴区域;使用预训练好的深度卷积神经网络对待检测车贴区域进行特征提取,将提取出的特征向量和车贴数据库中的特征向量使用余弦距离进行相似度计算,找出相似度大于特定阈值的特征向量;相似度大于特定阈值的特征向量对应的图片即为车辆检索结果;其中,提取出的特征向量为深度卷积特征向量。3.根据权利要求2所述的方法,其特征在于,所述精修车贴检测框包括:将获取到的车贴区域按照长和宽分别放大1.2倍后进行图像二值化处理,并利用开运算移除由图像噪声形成的斑点以及与边界相连的目标物;对二值图进行膨胀操作并移除小目标连通域;最大连通域即为待检测车贴区域。4.根据权利要求3所述的方法,其特征在于,所述获取卡口车辆图像中的车窗的车贴区域为:使用训练好的MaskRCNN网络检测出卡口车辆图像中的车窗的车贴区域;如果不存在连通域,则保存训练好的MaskRCNN检测的车贴区域。5.根据权利要求4所述的方法,其特征在于,所述对卡口车辆图像进行车窗检测为:训练FasterRCNN网络并使用训练后的FasterRCNN网络对卡口车辆图像进行车窗检测。6.根据权利要求5所述的方法,其特征在于,所述获取卡口车辆图像中的车窗的车贴区域之前,包括训练MaskRCNN网络,在训练MaskRCNN网络时使用标注工具labelme标注出卡口车辆车窗中的车贴区域,具体为:(1)在终端中输入命令>>activatelabelme,打开标注软件,标注完成后产生一个<文件名>.json文件;(2)进入<文件名>.json文件所在目录下,在终端执行命令>>labelme_json_to_dataset<文件名>.json,可得到一个文件夹,里面有五个文件分别为:*.png,info.yaml,label.png,label_viz.png,其中label.png和info.ymal是需要用到的标注信息。7.根据权利要求6所述的方法,其特征在于,所述使用训练好的MaskRCNN网络检测出卡口车辆图像中的车窗的车贴区域,包括:(1)将使用标注工具labelme标注好车贴区域后得到的label.png和info.yaml输入到ResNet101网络中,其中ResNet101网络由五个部分组成,分别记为[Stage1,Stage2,Stage3...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。