【技术实现步骤摘要】
一种基于级联网络的车辆重识别方法及装置
[0001]本专利技术涉及计算机视觉
，尤其涉及一种基于级联网络的车辆重识别方法及装置。
技术介绍
[0002]在给定探测车辆图像的情况下，车辆重识别的任务是在数据库中搜索包含由多个摄像机捕获的相同车辆的图像。车辆重识别在视频监控，智能交通和城市计算方面具有普遍应用，可以在大型监控视频中快速发现，定位和跟踪目标车辆。
[0003]目前，多通过从待识别的目标车辆图像和监控视频图像中提取目标车辆图像特征和多个候选车辆图像特征，然后基于目标车辆图像特征与各候选车辆图像特征，从各候选车辆中确定对应的目标车辆。然而，在存在多个候选车辆与目标车辆外观相似的时，即各候选车辆对应的全局信息均与目标车辆相似，导致无法准确从各候选车辆中确定目标车辆，进而影响车辆重识别的精度。
技术实现思路
[0004]本专利技术提供一种基于级联网络的车辆重识别方法及装置，用以解决现有技术中车辆识别精度较低的缺陷。
[0005]本专利技术提供一种基于级联网络的车辆重识别方法，包括：确定...
【技术保护点】
【技术特征摘要】
1.一种基于级联网络的车辆重识别方法，其特征在于，包括：确定待识别的目标车辆图像和多个候选车辆图像，并对所述目标车辆图像和各候选车辆图像进行特征提取，得到所述目标车辆图像的图像特征和各候选车辆图像的图像特征；基于车型识别模型，分别对所述目标车辆图像的图像特征和各候选车辆图像的图像特征进行特征提取，得到目标车辆车型特征和各候选车辆车型特征；所述车型识别模型基于第一样本车辆图像以及所述第一样本车辆图像的车型标签训练得到；基于所述目标车辆图像的图像特征和所述目标车辆车型特征，确定目标车辆身份特征，以及基于各候选车辆图像的图像特征和各候选车辆车型特征，确定各候选车辆身份特征；基于所述目标车辆身份特征以及各候选车辆身份特征，从各候选车辆中确定所述目标车辆，得到车辆重识别结果。2.根据权利要求1所述的基于级联网络的车辆重识别方法，其特征在于，所述基于所述目标车辆图像的图像特征和所述目标车辆车型特征，确定目标车辆身份特征，以及基于各候选车辆图像的图像特征和各候选车辆车型特征，确定各候选车辆身份特征，包括：对所述目标车辆图像的图像特征和所述目标车辆车型特征进行特征相减，得到目标车辆识别特征，并基于车辆身份识别模型，对所述目标车辆识别特征进行高层特征提取，得到目标车辆身份特征；对各候选车辆图像的图像特征和各候选车辆车型特征进行特征相减，得到各候选车辆识别特征，并基于车辆身份识别模型，对各候选车辆识别特征进行高层特征提取，得到各候选车辆身份特征；所述车辆身份识别模型基于第二样本车辆图像以及所述第二样本车辆图像的身份标签训练得到。3.根据权利要求2所述的基于级联网络的车辆重识别方法，其特征在于，所述基于车辆身份识别模型，对所述目标车辆识别特征进行高层特征提取，得到目标车辆身份特征，包括：将所述目标车辆识别特征输入至所述车辆识别模型的车辆语义识别层，由所述车辆语义识别层对所述目标车辆识别特征进行语义识别，得到第一目标车辆语义特征；将所述第一目标车辆语义特征输入至所述车辆识别模型的车辆注意力层，由所述车辆注意力层对所述第一目标车辆语义特征进行注意力计算，得到所述目标车辆身份特征；所述对各候选车辆图像的图像特征和各候选车辆车型特征进行特征相减，得到各候选车辆识别特征，并基于车辆身份识别模型，对各候选车辆识别特征进行高层特征提取，得到各候选车辆身份特征，包括：将各候选车辆识别特征输入至所述车辆识别模型的车辆语义识别层，由所述车辆语义识别层对各候选车辆识别特征进行语义识别，得到对应的第一候选车辆语义特征；将各第一候选车辆语义特征输入至所述车辆识别模型的车辆注意力层，由所述车辆注意力层对各第一候选车辆语义特征进行注意力计算，得到各候选车辆身份特征。4.根据权利要求1所述的基于级联网络的车辆重识别方法，其特征在于，所述基于所述目标车辆身份特征以及各候选车辆身份特征，从各候选车辆中确定所述目标车辆，得到车辆重识别结果，包括：
对所述目标车辆身份特征以及所述目标车辆车型特征进行拼接，得到目标车辆拼接特征；对各候选车辆身份特征以及各候选车辆车型特征进行拼接，得到各候选...
【专利技术属性】
技术研发人员：王金桥，郭海云，朱宽，赵朝阳，
申请(专利权)人：中科视语北京科技有限公司，
类型：发明
国别省市：
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。