System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请实施例涉及图像处理,尤其涉及一种车辆重识别方法、装置、介质和电子设备。
技术介绍
1、随着社会发展,车辆已经成为我们生活中不可或缺的一部分,车辆的普及也促使了智能交通的发展。车辆重识别(vehicle re-identification,veri)是智能交通系统的重要方面,旨在给定一幅待查询的车辆图片,通过图片特征确定是否存在相同id的车辆图片。
2、车辆重识别在智能交通系统等领域具有广泛应用。然而,复杂场景时,由于摄像头视角、光照条件和背景的变化,车辆重识别在实际应用中面临许多挑战。
3、现有的车辆重识别方法,通常依赖人的手工特征,不仅费时费力,在处理复杂场景时往往无法正常识别,车辆重识别的效率低下。因此,如何提供一种车辆重识别方法,解决车辆重识别过程中效率低下的问题,具有重要的现实意义。
技术实现思路
1、本申请实施例提供了一种车辆重识别方法、装置、介质和电子设备,可以提升车辆重识别过程的效率。
2、为达到上述目的,本申请实施例的技术方案是这样实现的:
3、第一方面,本申请实施例提供一种车辆重识别方法,包括:
4、获取待查车辆图像和基准车辆图像;
5、将所述基准车辆图像和所述待查车辆图像输入已训练的重识别模型包括的多角度特征提取网络,得到所述基准车辆图像的目标多角度特征以及所述待查车辆图像的待查多角度特征;多角度特征包括原图特征、旋转图特征和混合图特征;所述原图特征为对输入图像进行特征提取处理得到的;
6、基于所述目标多角度特征和所述待查多角度特征,确定所述待查车辆图像与各个所述基准车辆图像之间的特征综合相似度;
7、根据所述特征综合相似度,确定待查车辆图像对应的匹配车辆图像;所述匹配车辆图像为从基准车辆图像中选取的与待查车辆图像之间的特征综合相似度满足预设匹配条件的图像。
8、本申请实施例提供的车辆重识别方法,在车辆重识别的过程中,获取待查车辆图像和基准车辆图像;将所述基准车辆图像和所述待查车辆图像输入已训练的重识别模型包括的多角度特征提取网络,得到所述基准车辆图像的目标多角度特征以及所述待查车辆图像的待查多角度特征;多角度特征包括原图特征、旋转图特征和混合图特征;所述原图特征为对输入图像进行特征提取处理得到的;所述旋转图特征为对输入图像在镜像翻转后进行特征提取处理得到的;所述混合图特征为根据输入图像对应的原图特征和旋转图特征得到的;基于所述目标多角度特征和所述待查多角度特征,确定所述待查车辆图像与各个所述基准车辆图像之间的特征综合相似度;根据所述特征综合相似度,确定待查车辆图像对应的匹配车辆图像;所述匹配车辆图像为从基准车辆图像中选取的与待查车辆图像之间的特征综合相似度满足预设匹配条件的图像。该方法通过已训练的重识别模型包括的多角度特征提取网络,得到所述基准车辆图像的目标多角度特征以及所述待查车辆图像的待查多角度特征,并基于得到的多角度特征优化识别待查车辆图像对应的匹配车辆图像,能够减少车辆重识别的人为干预,节省人力成本,提升车辆重识别的准确性,有效提升车辆重识别的效率。
9、在一种可选的实施例中,通过下述步骤得到所述多角度特征:
10、对输入图像进行镜像翻转,得到水平镜像图像;
11、通过深度残差resnet网络对所述输入图像进行特征提取,得到第一深层特征图;以及,通过所述resnet网络对所述水平镜像图像进行特征提取,得到第二深层特征图;
12、对所述第一深层特征图进行特征强化,得到原图特征;以及,对所述第二深层特征图进行特征强化,得到旋转图特征;
13、根据所述原图特征和所述旋转图特征,得到混合图特征。
14、该实施例的方法,通过下述步骤得到所述多角度特征:对输入图像进行镜像翻转,得到水平镜像图像;通过深度残差resnet网络对所述输入图像进行特征提取,得到第一深层特征图;以及,通过所述resnet网络对所述水平镜像图像进行特征提取,得到第二深层特征图;对所述第一深层特征图进行特征强化,得到原图特征;以及,对所述第二深层特征图进行特征强化,得到旋转图特征;根据所述原图特征和所述旋转图特征,得到混合图特征,可以在车辆重识别时对输入图像进行镜像翻转,得到水平镜像图像,并基于输入图像和水平镜像图像得到原图特征、旋转图特征和混合图特征,实现基于多角度特征的车辆重识别,能够减少车辆重识别时的人为干预,节省人力成本,进一步提升车辆重识别的准确性,有效提升车辆重识别的效率。
15、在一种可选的实施例中,所述对所述第二深层特征图进行特征强化,得到旋转图特征,包括:
16、将所述第二深层特征图沿图片高度顺序划分,得到按划分顺序排列的预设数量个语义特征组;
17、通过与各所述语义特征组一一对应的通道注意力模块对所述语义特征组进行调整,得到所述语义特征组对应的通道增强特征;所述多角度特征提取网络包括空间注意力模块组;所述空间注意力模块组包括与各所述语义特征组按照得到所述语义特征组的划分顺序一一对应的所述通道注意力模块;
18、将各所述语义特征组对应的所述通道增强特征进行组合,得到旋转图特征。
19、该实施例的方法中,所述对所述第二深层特征图进行特征强化,得到旋转图特征,包括:将所述第二深层特征图沿图片高度顺序划分,得到按划分顺序排列的预设数量个语义特征组;通过与各所述语义特征组一一对应的通道注意力模块对所述语义特征组进行调整,得到所述语义特征组对应的通道增强特征;所述多角度特征提取网络包括空间注意力模块组;所述空间注意力模块组包括与各所述语义特征组按照得到所述语义特征组的划分顺序一一对应的所述通道注意力模块;将各所述语义特征组对应的所述通道增强特征进行组合,得到旋转图特征。该方法可以将车辆图像划分为不同部位的语义特征组,通过空间注意力模块组包含的预设数量个通道注意力模块调整对应的语义特征组实现特征增强,从而提供一种关注车辆显著的区分区域的机制,可以得到更关键的车辆部位的特征,不但能够减少车辆重识别时的人为干预,节省人力成本,还可以进一步提升车辆重识别的准确性,有效提升车辆重识别的效率。
20、在一种可选的实施例中,所述镜像翻转为将原图的像素沿着原图的竖直中线作水平镜像移动;将深层特征图沿图片高度划分得到的所述语义特征组包括核心语义特征组和辅助语义特征组;所述通道增强特征包括核心通道增强特征和辅助通道增强特征;所述核心语义特征组为与深层特征图中的预设的目标区域位置相对应的语义特征组;
21、所述根据所述原图特征和所述旋转图特征,得到混合图特征,包括:
22、将所述核心通道增强特征进行矩阵镜像翻转,得到复位增强特征;所述核心通道增强特征为所述核心语义特征组对应的通道增强特征;所述矩阵镜像翻转使所述核心通道增强特征的元素沿着本文档来自技高网...
【技术保护点】
1.一种车辆重识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,通过下述步骤得到所述多角度特征:
3.根据权利要求2所述的方法,其特征在于,所述对所述第二深层特征图进行特征强化,得到旋转图特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述镜像翻转为将原图的像素沿着原图的竖直中线作水平镜像移动;将深层特征图沿图片高度划分得到的所述语义特征组包括核心语义特征组和辅助语义特征组;所述通道增强特征包括核心通道增强特征和辅助通道增强特征;所述核心语义特征组为与深层特征图中的预设的目标区域位置相对应的语义特征组;
5.根据权利要求1所述的方法,其特征在于,所述待查多角度特征包括待查原图特征、待查旋转图特征和待查混合图特征;
6.根据权利要求5所述的方法,其特征在于,所述根据所述原图相似度、所述旋转相似度和所述混合相似度,得到所述目标多角度特征与所述待匹配多角度特征的特征综合相似度,包括:
7.根据权利要求1~6任一所述的方法,其特征在于,所述重识别模型通过如下方法训练得到:
...【技术特征摘要】
1.一种车辆重识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,通过下述步骤得到所述多角度特征:
3.根据权利要求2所述的方法,其特征在于,所述对所述第二深层特征图进行特征强化,得到旋转图特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述镜像翻转为将原图的像素沿着原图的竖直中线作水平镜像移动;将深层特征图沿图片高度划分得到的所述语义特征组包括核心语义特征组和辅助语义特征组;所述通道增强特征包括核心通道增强特征和辅助通道增强特征;所述核心语义特征组为与深层特征图中的预设的目标区域位置相对应的语义特征组;
5.根据权利要求1所述的方法,其特征在于,所述待查多角度特征包括待查原图特征、待查旋转图特征和待查混合图特征...
【专利技术属性】
技术研发人员:段陆文,熊剑平,伍敏,
申请(专利权)人:浙江大华技术股份有限公司,
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。