[发明专利]一种车辆重识别方法及装置

说明书

本申请公开了一种车辆重识别方法及装置，其中方法包括：从第一视频流中获取第一目标车辆图像；将第一目标车辆图像输入预设模型获取第一目标车辆的第一特征向量，预设模型的骨干网络为卷积神经网络，卷积神经网络用于提取输入的目标车辆图像的特征图，将特征图经过切割及矩阵计算后输出特征向量，特征向量为目标车辆图像的细粒度特征总和；从第二视频流中获取第二目标车辆图像；将第二目标车辆图像输入预设模型获取第二目标车辆的第二特征向量；判断第二特征向量与第一特征向量的差值是否在预设区间内，差值越小表示第一目标车辆与第二目标车辆相似度越高；若是，则确定第二目标车辆与第一目标车辆为同一车辆。

技术领域

本申请涉及图像处理技术领域，具体涉及一种车辆重识别方法及装置。

背景技术

随着人们生活水平的提高，汽车已经越来越多的进入人们的生活中，

现有智慧停车系统中，主要是使用视频监控摄像头实现对车辆的监控，通过人工智能算法，精准识别车辆状态、车位状况与车牌信息，对车位进行高效管理，实现车位资源的实时更新、查询、预定和导航服务，提高车位的使用效率。

在对车辆进行实时跟踪时，需要实时的获取车辆的位置关系，通过IOU匹配算法进行对视频帧进行关联，从而实现对车辆的跟踪，但是当车辆被遮挡，或者检测算法出现漏检时，使用IOU匹配算法将无法进行数据关联，从而导致车辆轨迹的中断，这会对车辆后续的事件判断产生影响，导致系统将无法判别车辆是否驶入或者驶出停车位。

发明内容

本申请提供了一种车辆重识别方法及装置，能识别出不同视频流中的同一车辆，维持对车辆跟踪轨迹的连续性。

本申请第一方面提供了一种车辆重识别方法，包括：

从第一视频流中获取第一目标车辆图像；

将所述第一目标车辆图像输入预设模型获取所述第一目标车辆的第一特征向量，所述预设模型的骨干网络为卷积神经网络，所述卷积神经网络用于提取输入的目标车辆图像的特征图，将所述特征图经过切割及矩阵计算后输出特征向量，所述特征向量为所述目标车辆图像的细粒度特征总和；

从第二视频流中获取第二目标车辆图像；

将所述第二目标车辆图像输入所述预设模型获取所述第二目标车辆的第二特征向量；

判断所述第二特征向量与所述第一特征向量的差值是否在预设区间内，所述差值越小表示所述第一目标车辆与所述第二目标车辆相似度越高；

若是，则确定所述第二目标车辆与所述第一目标车辆为同一车辆。

可选的，所述卷积神经网络包括第一卷积层、池化层、全连接层、softmax层以及4个残差块，所述残差块中包含两个与所述第一卷积层具有相同输出道数的第二卷积层。

可选的，将所述第一目标车辆图像输入预设模型获取所述第一目标车辆的第一特征向量，包括：

将所述第一目标车辆图像输入预设模型提取所述第一目标车辆图像的第一特征图，所述第一特征图的大小为H×W×C，所述H为所述第一特征图的高度，所述W为所述第一特征图的宽度，所述C为所述第一特征图的通道数；

将所述第一特征图在H的维度上分为P块得到第一分块特征图，所述P为第一预设值；

将所述P个第一分块特征图依次接入所述预设模型中的平均池化层和1×1卷积层，得到降低了维度的P个第二分块特征图；

将所述P个第二分块特征图输入所述预设模型中的全连接层和softmax层，得到P个分块结果；

将所述P个分块结果进行拼接得到所述第一特征向量。

可选的，获取所述第一目标视频之前，所述方法还包括：