一种基于孪生神经网络的车辆身份判别方法技术

本发明专利技术公开了一种基于孪生神经网络的车辆身份判别方法。本发明专利技术构建孪生神经网络，在Veri‑Wild数据集上训练上述网络；然后构建具体应用场景的数据集，并继续训练上述网络；然后构建具体应用场景中的目标车辆图片库；最后现场抓拍图片，并利用已经训练好的网络判断是否为目标车辆。本发明专利技术不完全依赖于车牌，有效解决了由于套牌车或车牌不可见的情况而导致车辆判别不易进行的问题。

A vehicle identification method based on twin neural network

【技术实现步骤摘要】
一种基于孪生神经网络的车辆身份判别方法
本专利技术属于图像处理领域，涉及一种基于孪生神经网络的车辆身份判别方法。
技术介绍
目前车辆身份的判别主要依靠车牌号的识别，但是该方法对于拍摄角度引起的车牌不可见，以及套牌车辆等问题时，却无能为力。对于车辆身份的判别，除了车牌之外，车身的颜色、车辆的外形、车标以及车窗上的张贴物等等都可以作为辅助判断的依据。
技术实现思路
本专利技术公开了一种基于孪生神经网络的车辆身份判别方法。将拍摄到的车辆图片与图片库中原有的图片一起放入神经网络中，通过其相似程度的判断，来确定是否为同一车辆。本专利技术中主要采用的技术方案为：一种基于孪生神经网络的车辆身份判别方法，具体步骤如下：步骤S1：构建孪生神经网络，其结构为：两支提取特征的卷积神经网络，后接距离度量层，再接概率计算层；步骤S2：在Veri-Wild数据集上训练上述网络；步骤S3：构建具体应用场景的数据集，并继续训练上述网络；步骤S4：构建具体应用场景中的目标车辆图片库；步骤S5：现场抓拍图本文档来自技高网...

【技术保护点】
1.一种基于孪生神经网络的车辆身份判别方法，其特征在于，具体步骤如下：/n步骤S1：构建孪生神经网络，其结构为：两支提取特征的卷积神经网络，后接距离度量层，再接概率计算层；/n步骤S2：在Veri-Wild数据集上训练步骤S1所述孪生神经网络；/n步骤S3：构建具体应用场景的数据集，并继续训练步骤S1所述孪生神经网络；/n步骤S4：构建具体应用场景中的目标车辆图片库；/n步骤S5：现场抓拍图片，并利用已经训练好的网络判断是否为目标车辆。/n

【技术特征摘要】
1.一种基于孪生神经网络的车辆身份判别方法，其特征在于，具体步骤如下：
步骤S1：构建孪生神经网络，其结构为：两支提取特征的卷积神经网络，后接距离度量层，再接概率计算层；
步骤S2：在Veri-Wild数据集上训练步骤S1所述孪生神经网络；
步骤S3：构建具体应用场景的数据集，并继续训练步骤S1所述孪生神经网络；
步骤S4：构建具体应用场景中的目标车辆图片库；
步骤S5：现场抓拍图片，并利用已经训练好的网络判断是否为目标车辆。


2.根据权利要求1所述的一种基于孪生神经网络的车辆身份判别方法，其特征在于，所述步骤S1中的孪生神经网络的具体结构为：
S1.1：两支特征提取网络为卷积神经网络，假设h1为样本1在特征提取层的输出，h2为样本2在特征提取层的输出；
S1.2：距离度量层为加权L1计算层，通过以下公式计算两个特征向量之间的距离：



其中，αj为和对应的系数；
S1.3：概率计算层为全连接层，其中每层的节点个数应根据实际情况按经验设定，将距离度量层输出结果带入Sigmoid函数归一化：



最终，整个网络的输出为概率值y。


3.根据权利要求2所述的一种基于孪生神经网络的车辆身份判别方法，其特征在于，所述步骤S2中的具体网络的训练步骤为：
S2.1：每次训练时，...

【专利技术属性】
技术研发人员：王连涛，殷康，侯康馨，李庆武，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32