一种图像相似度判断方法及系统技术方案

本发明专利技术公开了一种图像相似度判断方法，包括：将待计算相似度的图像组内的图像输入训练好的第一判别模型，得到待计算相似度的图像组内的图像的第一相似度评估值；将待计算相似度的图像组的图像经过第二模型处理，得到待计算相似度的图像组内的图像的第二相似度评估值；将第一相似度评估值、第二相似度评估值输入训练好的评估模型，得到待计算相似度的图像组内的图像的相似度评估数据，可以实现准确评估图像中物品的相似度。

【技术实现步骤摘要】
一种图像相似度判断方法及系统
本专利技术涉及图像检测
，更具体的说是一种图像相似度判断方法及系统。
技术介绍
随着城市道路中行驶车辆数量的急剧增加。车辆检测任务成为一种监管车辆运行，保障城市道路交通安全的重要手段。其中，车辆的相似度判断是准确检测和跟踪同一车辆的关键问题。
技术实现思路
本说明书实施例的一个方面提供一种图像相似度判断方法，包括：将待计算相似度的图像组内的图像输入训练好的第一判别模型，得到所述待计算相似度的图像组内的图像的第一相似度评估值；将所述待计算相似度的图像组的图像经过第二模型处理，得到所述待计算相似度的图像组内的图像的第二相似度评估值；将所述第一相似度评估值、所述第二相似度评估值输入训练好的评估模型，得到所述待计算相似度的图像组内的图像的相似度评估数据。。本说明书实施例的一个方面提供一种图像相似度判断系统，包括：第一预测模块，用于将待计算相似度的图像组内的图像输入训练好的第一判别模型，得到所述待计算相似度的图像组内的图像的第一相似度评估值；第二预测模块，用于将所述待计算相似度的图像组的图像经过第二模型处理，得到所述待计算相似度的图像组内的图像的第二相似度评估值；判定模块，用于将所述第一相似度评估值、所述第二相似度评估值输入训练好的评估模型，得到所述待计算相似度的图像组内的图像的相似度评估数据。本说明书实施例的一个方面提供一种图像相似度判断装置，所述装置包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现所述图像相似度判断方法对应的操作。本说明书实施例的一个方面提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，实现所述图像相似度判断方法。附图说明本说明书将以示例性实施例的方式进一步描述，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本申请一些实施例所示的图像相似度判断系统的应用场景示意图；图2是根据本说明书的一些实施例所示的图像相似度判断系统的模块图；图3是根据本说明书的一些实施例所示的图像相似度判断方法的流程图；图4是根据本说明书的一些实施例所示的第一判别模型的结构示意图；图5是根据本说明书的一些实施例所示的第二模型处理流程示意图；图6是根据本说明书的一些实施例所示的图像相似度判断方法的示意性流程图。具体实施方式为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。应当理解，本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。本申请的实施例可以应用于各种静态或动态物品的识别，例如交通工具等，包括但不限于自行车、电动车、汽车、摩托车、飞机等。本申请可以根据多个物品的图像信息评估物品间的相似程度，从而实现物品的判断。应当理解的是，本申请的系统及方法的应用场景仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。虽然本申请主要以车辆、特别是汽车为例进行了描述，但需要注意的是，本申请的原理也可应用于其他物品，根据本申请的原理也可以确定这些物品的状态，有无物品及对物品进行定位。在本申请中，车辆相似度的判定仅作为示例。应当注意的是，检测两个车辆间的相似度仅用于说明目的，并非旨在限制本申请的范围。在一些实施例中，本公开可以应用于其他类似的情景，例如但不限于产品的识别等。如图1所示，本说明书所涉及的图像相似度判断系统的应用场景100可以包括计算系统110、网络120、存储设备130和用户终端140。计算系统110可以用于确定待计算相似度的图像组内的图像的相似度，从而判定各个图像内的物品是否是同一物品。在一些实施例中，可以具体用于对两个车辆图片进行判定，以确认图片中的车辆是否是同一辆，从而实现车辆的监测，这一监测技术可以应用于如车辆监管部门、交通管理部门等。计算系统110可以基于获取的数据，车辆的相似度进行判定。计算系统110是指具有计算能力的系统，在一些实施例中，计算系统110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如，计算系统110可以是分布式系统)。在一些实施例中，计算系统110可以是本地的或远程的。例如，计算系统110可以经由网络120访问存储在用户终端140和/或存储设备130中的信息和/或数据。又如此，计算系统110可以直接连接到用户终端140和/或存储设备130以访问存储的信息和/或数据。在一些实施例中，计算系统110可以在云平台上实施。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，计算系统110可以在包含了一个或者多个组件的计算设备上执行。在一些实施例中，计算系统110可以包括处理设备112。处理设备112可以处理信息和/或数据以执行本申请中描述的一个或以上功能。例如，处理设备112可以获取待计算相似度的图像组内的图像的数据。处理设备112可以对获取到的数据进行处理，确定待计算相似度的图像组内的图像是否相似。在一些实施例中，处理设备112可以执行程序指令。处理设备112可以包括各种常见的通用中央处理器(centralprocessingunit，CPU)，图形处理器(GraphicsProcessingUnit，GPU)，微处理器，特殊应用集成电路(application-specificintegratedcircuit，ASIC)，或其他类型的集成电路。网络120可以促进信息和/或数据的交换。在一些实施例中，计算系统110可以经由网络120从存储设备130和/或用户终端140获得待计算相似度的图像组内的图像数据。在一些实施例中，计本文档来自技高网...

【技术保护点】
1.一种图像相似度判断方法，其特征在于，包括：/n将待计算相似度的图像组内的图像输入训练好的第一判别模型，得到所述待计算相似度的图像组内的图像的第一相似度评估值；/n将所述待计算相似度的图像组的图像经过第二模型处理，得到所述待计算相似度的图像组内的图像的第二相似度评估值；/n将所述第一相似度评估值、所述第二相似度评估值输入训练好的评估模型，得到所述待计算相似度的图像组内的图像的相似度评估数据。/n

【技术特征摘要】
1.一种图像相似度判断方法，其特征在于，包括：
将待计算相似度的图像组内的图像输入训练好的第一判别模型，得到所述待计算相似度的图像组内的图像的第一相似度评估值；
将所述待计算相似度的图像组的图像经过第二模型处理，得到所述待计算相似度的图像组内的图像的第二相似度评估值；
将所述第一相似度评估值、所述第二相似度评估值输入训练好的评估模型，得到所述待计算相似度的图像组内的图像的相似度评估数据。


2.根据权利要求1所述的方法，其特征在于，所述第一判别模型包括若干卷积神经网络模型和全连接层，所述卷积神经网络模型的数量不少于所述待计算相似度的图像组包含的图像数量。


3.根据权利要求2所述的方法，其特征在于，所述将待计算相似度的图像组内的图像输入训练好的第一判别模型，得到所述待计算相似度的图像组内的图像的第一相似度评估值包括：
将所述待计算相似度的图像组内的图像各自输入一个卷积神经网络模型；
将各卷积神经网络模型输出的特征向量进行预处理后输入所述全连接层；
获取所述全连接层输出的所述第一相似度评估值。


4.根据权利要求2或3所述的方法，其特征在于，所述若干卷积神经网络模型内使用的权重矩阵相同，且若干卷积神经网络模型的结构完全相同。


5.根据权利要求2或3所述的方法，其特征在于，所述卷积神经网络模型由若干第一卷积网络块和若干第二卷积网络块间隔排列构成。


6.根据权利要求5所述的方法，其特征在于，所述第一卷积网络块依次包括卷积层、池化层、激活层，所述第二卷积网络块依次包括卷积层、激活层。


7.根据权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：陈思宇，王铭宇，王雷，
申请(专利权)人：成都恒创新星科技有限公司，
类型：发明
国别省市：四川;51