[发明专利]获得目标车辆运动轨迹的方法、系统、介质及设备

权利要求书

1.一种获得目标车辆运动轨迹的方法，其特征在于，包括：

获取至少一张目标车辆图片和/或车头图片；

在第一图片识别模型中的整体特征输出分支上增加局部特征输出分支；

将至少一张所述目标车辆图片和/或车头图片输入到所述第一图片识别模型，获得所述目标车辆图片和/或车头图片的特征向量；

比对查询库中的特征向量和所述目标车辆的特征向量，获取符合要求的所有图片；

结合所述符合要求的所有图片及其位置信息和时间信息，获得所述目标车辆的运动轨迹。

2.根据权利要求1所述的方法，其特征在于，“在第一图片识别模型中的整体特征输出分支上增加局部特征输出分支”的步骤进一步包括：

在所述第一图片识别模型的整体特征输出分支上的最后一层卷积层或线性分类层的前一层增加局部特征输出分支。

3.根据权利要求1所述的方法，其特征在于，“将至少一张所述目标车辆图片和/或车头图片输入到所述第一图片识别模型，获得所述目标车辆图片和/或车头图片的特征向量”的步骤进一步包括：

将至少一张所述目标车辆图片和/或车头图片输入到所述第一图片识别模型；

对所述第一图片识别模型实施pooling和Tripletloss操作，所述目标车辆图片和/或车头图片进入到所述第一图片识别模型后，先经过所述整体特征输出分支的处理，获得所述目标车辆的整体特征的数据，然后再经过所述局部特征输出分支的处理，获得在所述整体特征上进一步细化的局部特征的数据；

应用concat函数对获得的所述整体特征的数据和所述局部特征的数据进行处理，获得同时具备整体特征的数据以及局部特征的数据的特征向量；

对所述特征向量进行降维操作，获得降维后的特征向量；

量化所述降维后的特征向量，生成int8特征向量。

4.根据权利要求3所述的方法，其特征在于，“对所述特征向量进行降维操作，获得降维后的特征向量”的步骤包括：

在所述第一图片识别模型的最后一层卷积层加入一维额外卷积层，通过卷积的方式将原有特征图的通道数降低，从而获得降维后的特征向量；并且/或者，

在所述第一图片识别模型的最后一层卷积层加入全连接层，将特征向量平铺为一维向量，并进行线性加权，从而获得降维后的特征向量；并且/或者，

使用PCA降维方式对所述特征向量进行降维，从而获得降维后的特征向量。

5.根据权利要求1所述的方法，其特征在于，“获取至少一张目标车辆图片和/或车头图片”的步骤具体包括：

将至少一张包含有目标车辆的图片输入到第二图片识别模型中，得到所述目标车辆的坐标和置信度；

根据所述目标车辆的坐标和置信度，获得所述目标车辆图片和/或车头图片。

6.根据权利要求5所述的方法，其特征在于，“比对查询库中的特征向量和所述目标车辆的特征向量，获取符合要求的所有图片”的步骤具体包括：

应用FAISS检索，计算查询库中的所有车辆的特征向量与目标车辆的特征向量的距离；

将所有车辆的特征向量与目标车辆的特征向量的距离进行排序；

获取所述查询库中的距离最小的k幅图片，作为检索结果，其中，k为≥2的整数；或者，

应用FAISS检索，计算查询库中的所有车辆的特征向量与目标车辆的特征向量的距离；

将所有车辆的特征向量与目标车辆的特征向量的距离进行排序；

设定一个距离的阈值，获得所述查询库中所有的所述特征向量距离小于所述阈值的图片，作为检索结果。

7.根据权利要求6所述的方法，其特征在于，所述特征向量的距离包括cosine距离或欧式距离；并且/或者，

所述第一图片识别模型或所述第二图片识别模型为RetinaNet模型、YOLO模型或Faster-RCNN模型；并且/或者，

“比对查询库中的特征向量和所述目标车辆的特征向量，获取符合要求的所有图片”步骤所使用的模型为IVF模型。