车辆重识别的方法、装置、设备和存储介质制造方法及图纸

本申请公开了车辆重识别的方法、装置、设备和存储介质，涉及计算机视觉、智能搜索、深度学习、智能交通领域。具体实现方案为：接收来自终端设备的重识别请求，该重识别请求包括第一摄像头拍摄的第一车辆的第一图像、该第一摄像头的信息；根据该第一图像，获取该第一车辆的第一特征和该第一车辆的第一车头朝向；根据该第一特征、基于图像数据库中的多个车辆的图像提取的多个第二特征、该第一车头朝向以及该第一摄像头的信息，从该多个车辆的图像中确定该第一车辆的第二图像；向终端设备发送该第二图像。本申请的方法可以提高重识别的准确度。

【技术实现步骤摘要】
车辆重识别的方法、装置、设备和存储介质
本申请实施例涉及计算机
中的智能搜索领域，尤其涉及一种车辆重识别的方法、装置、设备和存储介质。
技术介绍
车辆重识别(VehicleRe-identification，Reid)技术可广泛应用于车辆检索、车辆追踪等领域。目前车辆重识别的方法为：服务器接收到第一摄像头拍摄的第一车辆的第一图像后，提取第一车辆的第一全局特征，对比该第一全局特征与基于车辆图像库中的第二图像提取的车辆的第二全局特征，从车辆图像库包括的车辆图像中确定第一车辆的图像。上述车辆重识别的方法存在如下问题：若两个车辆的外观十分相似，则可能出现将两个车辆的图像误判为同一车辆的图像的情况，即目前车辆重识别的方法存在准确率不高的技术问题。
技术实现思路
本申请提供了一种车辆重识别的方法、装置、设备和存储介质，提高了车辆重识别的准确度。根据本申请的一方面，提供了一种车辆重识别的方法，包括：接收来自终端设备的重识别请求，所述重识别请求包括第一摄像头拍摄的第一车辆的第一图像、所述第一摄像头的信息；根据所述第一图像，获取所述第一车辆的第一特征和所述第一车辆的第一车头朝向；根据所述第一特征、基于图像数据库中的多个车辆的图像提取的多个第二特征、所述第一车头朝向以及所述第一摄像头的信息，从所述多个车辆的图像中确定所述第一车辆的第二图像；向终端设备发送所述第二图像。根据本申请的技术提高了车辆重识别的准确度。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1是本申请实施例提供的系统架构图；图2是本申请实施例提供的车辆重识别的方法的流程图；图3是本申请实施例提供的车辆在图像中的车头朝向的示意图；图4是本申请实施例提供的基于车头朝向和摄像头的信息进行车辆重识别的示意图一；图5是本申请实施例提供的基于车头朝向和摄像头的信息进行车辆重识别的示意图二；图6是本申请实施例提供的车辆重识别的装置的结构示意图；图7是用来实现本申请实施例的车辆重识别的方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。为了更好的理解本申请，本申请引入如下要素：若摄像头A拍摄到的车辆的图像后，下一个拍摄到的该车辆的图像的摄像头为摄像头B，则摄像头A与摄像头B相邻。或者，摄像头B拍摄到的车辆的图像后，下一个拍摄到的该车辆的图像的摄像头为摄像头A，则摄像头A与摄像头B相邻。本申请实施例涉及计算机
中的计算机视觉、智能搜索、深度学习、智能交通领域，以达到提高车辆重识别的准确度的技术效果。目前车辆重识别的方法为：服务器接收到第一摄像头拍摄的第一车辆的第一图像后，提取第一车辆的第一全局特征，对比该第一全局特征与基于车辆图像库中的第二图像提取的车辆的第二全局特征，从车辆图像库包括的车辆图像中确定第一车辆的图像。上述车辆重识别的方法存在如下问题：若两个车辆的外观十分相似，则可能出现将两个车辆的图像误判为同一车辆的图像的情况，即目前车辆重识别的方法存在准确率不高的技术问题。为了解决该技术问题，本申请中引入了摄像头的信息以及车辆在摄像头拍摄的图像中的车头朝向，提高了车辆重识别的准确度。图1为本申请实施例提供的系统架构示意图，参见图1，该系统架构包括：服务器和终端设备。终端设备向服务器发送重识别请求，重识别请求包括第一摄像头拍摄的第一车辆的第一图像和第一摄像头的信息。服务器根据第一图像，获取第一车辆的第一特征和第一车辆的第一车头朝向；根据第一特征、基于图像数据库中的多个车辆的图像提取的多个第二特征、第一车头朝向以及第一摄像头的信息，从多个车辆的图像中确定第一车辆的第二图像。服务器向终端设备发送第二图像。可以理解的是，服务器还可向终端设备发送第二图像的拍摄时间、拍摄第二图像的摄像头的信息等。下面采用具体的实施例对本申请的车辆重识别的方法进行说明。图2为本申请实施例提供的车辆重识别的方法的流程图一，参见图2，本实施例的方法包括：步骤S201、终端设备向服务器发送重识别请求，该重识别请求包括第一摄像头拍摄的第一车辆的第一图像和第一摄像头的信息。可以理解的是，摄像头拍摄图像后，图像、图像的拍摄时间、摄像头的信息是关联存储的。其中，摄像头的信息包括摄像头的地理位置和摄像头的镜头朝向。也就是说，第一车辆的第一图像是与第一图像的拍摄时间、第一摄像头的信息关联存储的，因此，重识别请求中还可包括第一图像的拍摄时间。可选地，重识别请求中还可包括预设时间段。第一车辆的至少一帧第一图像的获取方法可如下：服务器获取第一摄像头在第一时间段内拍摄的至少一帧图像；采用目标检测方法从至少一帧图像检测第一车辆，得到第一车辆的至少一帧第一图像。可以理解的是，第一图像的拍摄时间属于该第一时间段。步骤S202、服务器根据第一图像，获取第一车辆的第一特征和第一车辆的第一车头朝向。该步骤中服务器根据的第一图像可以是重识别请求中包括的所有的第一图像，还可以是去除了分辨率小于预设分辨率的第一图像后剩余的第一图像。由于第一车辆的第一特征是基于第一图像得到的，因此，第一车辆的第一特征至少与车辆的外观相似，比如车辆的全局特征，因此，一种方案中，第一车辆的第一特征是第一车辆的全局特征。另一种方案中，第一车辆的第一车征为第一车辆的全局子特征和特征点子特征融合后的特征。其中，可定义N个特征点，第一车辆的特征点子特征包括第一车辆的N个特征点中的至少部分特征点的特征。其中，车辆的全局特征可以包含车辆的轮廓信息、车辆的颜色信息以及车辆的型号信息等信息中的至少一种。本实施例中的第一车辆的车头朝向是根据第一车辆在第一图像中的车头朝向得到的，比如车辆在图3中A图的车头朝向为向下，在图3中B图的车头朝向为朝上，在图3中C图的车头朝向为朝右。可以理解的是，车辆在图像中的车头朝向是与拍摄该图像的摄像头的镜头朝向以及车辆当前的行驶姿态相关的。比如，若车辆的行驶姿态使得摄像头的镜头朝向与车辆的车头相对，则拍摄出的图像如图3中A图的所示，车辆在图像中的车头朝向为向下。若车辆的行驶姿态使得摄像头的镜头在车辆的左侧，则拍摄出的图像如图3中C图的所示，车辆在图像中的车头朝向为朝右。若车辆的行驶姿态使得摄像头的镜头与车尾相对，则拍摄出的图像如图3中B图的所示，车辆在图像中的车头朝向为朝上。步骤S203、服务器根据第一特征、基于图像数据库中的多个车辆的图像提取的多个第二本文档来自技高网...

【技术保护点】
1.一种车辆重识别的方法，包括：/n接收来自终端设备的重识别请求，所述重识别请求包括第一摄像头拍摄的第一车辆的第一图像和所述第一摄像头的信息；/n根据所述第一图像，获取所述第一车辆的第一特征和所述第一车辆的第一车头朝向；/n根据所述第一特征、基于图像数据库中的多个车辆的图像提取的多个第二特征、所述第一车头朝向以及所述第一摄像头的信息，从所述多个车辆的图像中确定所述第一车辆的第二图像；/n向终端设备发送所述第二图像。/n

【技术特征摘要】
1.一种车辆重识别的方法，包括：
接收来自终端设备的重识别请求，所述重识别请求包括第一摄像头拍摄的第一车辆的第一图像和所述第一摄像头的信息；
根据所述第一图像，获取所述第一车辆的第一特征和所述第一车辆的第一车头朝向；
根据所述第一特征、基于图像数据库中的多个车辆的图像提取的多个第二特征、所述第一车头朝向以及所述第一摄像头的信息，从所述多个车辆的图像中确定所述第一车辆的第二图像；
向终端设备发送所述第二图像。


2.根据权利要求1所述的方法，其中，所述重识别请求包括第一摄像头拍摄的第一车辆的多帧第一图像；根据所述第一图像，获取所述第一车辆的第一车头朝向，包括：
对于每帧第一图像，根据该第一图像，获取所述第一车辆在该第一图像中的车头朝向；
根据所述第一车辆在各第一图像中的车头朝向，获取所述第一车辆的第一车头朝向。


3.根据权利要求2所述的方法，其中，所述获取所述第一车辆在该第一图像中的车头朝向，包括：
基于该第一图像，采用第一神经网络模型获取所述第一车辆在该第一图像中的车头朝向。


4.根据权利要求1～3任一项所述的方法，所述从所述多个车辆的图像中确定所述第一车辆的第二图像，包括：
根据所述第一特征、基于多个车辆的图像提取的多个第二特征，从所述多个车辆的图像中确定预选车辆的图像；其中，基于所述预选车辆的图像提取的第二特征与所述第一特征的相似度大于或等于预设相似度；
根据所述预选车辆的车头朝向、所述第一车头朝向、所述第一摄像头的信息以及拍摄所述预选车辆的图像的摄像头的信息，从所述预选车辆的图像中确定所述第一车辆的第二图像。


5.根据权利要求4所述的方法，其中，所述重识别请求还包括所述第一图像的拍摄时间，所述从所述预选车辆的图像中确定所述第一车辆的第二图像，包括：对于目标拍摄时间在所述第一图像的目标拍摄时间之后的预选车辆的图像：
执行第一操作，所述第一操作包括：根据第i基准车辆的车头朝向、第i基准摄像头的信息、拍摄第i预选车辆的图像的第i预选摄像头的信息，确定第i基准车辆是否会出现在第i预选摄像头中；若是，则获取第i基准车辆出现在第i预选摄像头中时的第i预测车头朝向，若第i预测车头朝向与第i预选车辆的车头朝向相同，则确定第i预选车辆的图像为所述第一车辆的第二图像；初始时，i＝1时，第1基准车辆所述第一车辆，第1基准摄像头为所述第一摄像头，所述第i基准车辆的图像的目标拍摄时间在第i预选车辆的图像的目标拍摄时间之前且与第i预选车辆的图像的目标拍摄时间距离最短；
执行第二操作，所述第二操作包括：若存在未遍历到的目标拍摄时间晚于所述第一图像的目标拍摄时间的预选车辆的图像，则将所述i加1，以及若第i预选车辆的图像为所述第二图像，则将第i预选车辆作为第i+1基准车辆，否则将所述第i基准车辆作为第i+1基准车辆；
重复执行所述第一操作和所述第二操作，直至遍历完所有目标拍摄时间晚于所述第一图像的目标拍摄时间的预选车辆的图像。


6.根据权利要求4所述的方法，所述重识别请求还包括所述第一图像的拍摄时间，所述从所述预选车辆的图像中确定所述第一车辆的第二图像，包括：对于目标拍摄时间在所述第一图像的目标拍摄时间之前的预选车辆的图像：
执行第三操作，所述第三操作包括：根据第j基准车辆的车头朝向、第j基准摄像头的信息、拍摄第j预选车辆的图像的第j预选摄像头的信息，确定第j基准车辆是否会出现在第j预选摄像头中；若是，则获取第j基准车辆出现在第j预选摄像头中时的第j预测车头朝向，若第j预测车头朝向与第j预选车辆的车头朝向相同，则确定第j预选车辆的图像为所述第一车辆的第二图像；初始时，j＝1时，第1基准车辆所述第一车辆，第1基准摄像头为所述第一摄像头，所述第j基准车辆的图像的目标拍摄时间在第j预选车辆的图像的目标拍摄时间之后且与第j预选车辆的图像的目标拍摄时间距离最短；
执行第四操作，所述第四操作包括：若存在未遍历到的目标拍摄时间早于所述第一图像的目标拍摄时间的预选车辆的图像，则将所述j加1，以及若第j预选车辆的图像为所述第二图像，则将第j预选车辆作为第j+1基准车辆，否则将所述第j基准车辆作为第j+1基准车辆；
重复执行所述第三操作和所述第四操作，直至遍历完所有目标拍摄时间早于所述第一图像的目标拍摄时间的预选车辆的图像。


7.根据权利要求1～3任一项所述的方法，其中，所述第一车辆的第一特征为所述第一车辆的全局特征，所述根据所述第一图像，获取所述第一车辆的第一特征，包括：
基于所述第一图像，采用第二神经网络模型获取所述第一车辆的全局特征。


8.根据权利要求1～3任一项所述的方法，其中，所述第一特征为所述第一车辆的全局子特征和特征点子特征融合后的特征；所述根据所述第一图像，获取所述第一车辆的第一特征，包括：
基于所述第一图像，采用第二神经网络模型获取所述第一车辆的全局子特征；
基于所述第一图像，采用第三神经网络模型获取所述第一车辆的特征点子特征；
融合所述全局子特征和所述特征点子特征，得到所述第一车辆的第一特征。


9.根据权利要求1～3任一项所述的方法，其中，摄像头的信息包括该摄像头的地理位置和该摄像头的镜头朝向。


10.一种车辆重识别的装置，包括：
收发模块，用于接收来自终端设备的重识别请求，所述重识别请求包括第一摄像头拍摄的第一车辆的第一图像、所述第一摄...

【专利技术属性】
技术研发人员：蒋旻悦，谭啸，孙昊，章宏武，文石磊，丁二锐，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11