[发明专利]获得目标车辆运动轨迹的方法、系统、介质及设备

说明书

本发明属于识别技术领域，尤其涉及一种获得目标车辆运动轨迹的方法、系统、介质及设备。本发明旨在解决现有的识别方法存储和运算量大，识别结果不够准确的问题。为此目的，本发明的获得目标车辆运动轨迹的方法包括获取目标车辆图片；增加局部特征输出分支；将目标车辆图片输入到第一图片识别模型，获得目标车辆图片的特征向量；比对查询库中的特征向量和目标车辆的特征向量，获取符合要求的所有图片；结合符合要求的所有图片及其位置信息和时间信息，获得目标车辆的运动轨迹。本发明通过在整体特征的基础上增加局部特征输出分支，能够对感兴趣的区域进行识别，识别效果更好，运算速度更快。

技术领域

本发明属于识别技术领域，尤其涉及一种获得目标车辆运动轨迹的方法、系统、介质及设备。

背景技术

跨镜追踪(ReID)：是指通过将查询的图片向量化，然后与数据库中的图片进行比对，找出属于同一个ID的图片，获得同一个ID的轨迹。该技术可以应用于人的识别和追踪，也能够应用于其他移动的物体的追踪，如车辆等。

在安防、公路稽查等应用场景中，需要将不同时间、不同地点，不同摄像机拍摄的车辆的图片从大批量的数据中查找出来，并进行关联，或者获取同一车辆的运行轨迹。

然而，在实际应用的过程中，数据量往往是海量级别的，数据量可以达到百万或者千万，甚至更多。在不同时间和地点，由于环境等因素的影响，同一车辆的外观会有所变化。同时，由于拍摄设备、拍摄环境、拍摄参数、拍摄技术等因素的影响，车辆在局部特征上会出现视觉上的变化。另外，在实际应用场景中，大批量的特征数据存储也会占用较大的存储空间。

进一步，在不同的场景下，不同车辆的特征也是存在区别的，如果使用相同的特征进行车辆识别，则有可能存在计算量大，识别结果不够准确的问题。

相应的，本领域需要一种新的获得目标车辆运动轨迹的方法来解决现有的识别方法存储和运算量大，识别结果不够准确的问题。

发明内容

为了解决现有技术中的上述问题，即为了解决现有的识别方法存储和运算量大，识别结果不够准确的问题，本发明提供了一种获得目标车辆运动轨迹的方法，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。

在上述方法的优选技术方案中，“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。

在上述方法的优选技术方案中，“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Triplet loss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；