[发明专利]一种车辆重识别方法及装置

权利要求书

1.一种车辆重识别方法，其特征在于，包括：

获取第一图像和第二图像，所述第一图像和所述第二图像为对车载图像采集设备采集的车辆图像进行车辆目标检测后得到的，所述第一图像和所述第二图像已标注车载图像采集设备标识；

利用车辆重识别模型中的车辆朝向识别网络分别识别所述第一图像和所述第二图像的车辆朝向信息；

根据所述第一图像和所述第二图像已标注的车载图像采集设备标识以及所述第一图像和所述第二图像的车辆朝向信息，确定所述第一图像和所述第二图像是否为相同视角图像；

基于所述车辆重识别模型中的特征提取网络分别对所述第一图像和所述第二图像进行特征提取，得到所述第一图像对应的特征图和所述第二图像对应的特征图；

在所述第一图像和所述第二图像为相同视角图像的情况下，将所述第一图像对应的特征图和所述第二图像对应的特征图输入所述车辆重识别模型中的相同视角分支网络，并根据所述相同视角分支网络的输出结果确定所述第一图像和所述第二图像是否对应相同车辆；

在所述第一图像和所述第二图像为不同视角图像的情况下，将所述第一图像对应的特征图和所述第二图像对应的特征图输入所述车辆重识别模型中的不同视角分支网络，并根据所述不同视角分支网络的输出结果确定所述第一图像和所述第二图像是否对应相同车辆。

2.根据权利要求1所述的方法，其特征在于，所述获取第一图像和第二图像，包括：

获取由车载图像采集设备采集且经过车辆目标检测后得到的包括检测框的两个目标图像；

分别根据两个所述目标图像的检测框对所述目标图像进行裁剪，并对裁剪后的图像进行缩放处理得到所述第一图像和所述第二图像。

3.根据权利要求1所述的方法，其特征在于，所述车辆重识别模型的构建方法如下：

获取训练样本和测试样本；

构建包括所述车辆朝向识别网络、所述特征提取网络、所述相同视角分支网络和所述不同视角分支网络的卷积神经网络模型；

以所述车辆朝向识别网络的识别结果趋近于所述训练样本中标注的车辆朝向为目标，对所述车辆朝向识别网络进行训练；

以优化相同视角下正负样本对之间的距离、不同视角下正负样本对之间的距离，以及跨视角相同视角下正样本对与不同视角下负样本对之间的距离为目标，利用所述训练样本对所述卷积神经网络模型进行训练，得到所述车辆重识别模型。

4.根据权利要求3所述的方法，其特征在于，所述获取训练样本和测试样本，包括：

获取多个车载图像采集设备在不同应用场景下采集的车辆图像；

对所述车辆图像进行预处理，得到车辆样本图像；

标注所述车辆样本图像的车辆标识、车辆朝向以及车载图像采集设备标识；

将相同车辆标识对应的两个所述车辆样本图像确定为正样本对，并将不同车辆标识对应的两个所述车辆样本图像确定为负样本对；

将多个正样本对和多个负样本对划分为所述训练集和所述测试集。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

利用所述测试样本对所述车辆重识别模型进行测试，得到所述相同视角分支网络的识别准确率和所述不同视角分支网络的识别准确率；

根据所述相同视角分支网络的识别准确率设置第一阈值，并根据所述不同视角分支网络的识别准确率设置第二阈值。