[发明专利]一种基于卷积神经网络的车辆型号检索系统及方法

摘要

本发明公开了一种基于卷积神经网络的车辆型号检索系统及方法，其中检索系统包括：依次连接的交通卡口照片获取模块、车辆检测模块、指向型特征分割模块、指向型特征提取模块和检索模块；其中车辆检测模块：用于对获取的车辆照片进行车辆检测，并截取车脸图片的装置；指向型特征分割模块：基于车辆检测模块截取的车脸图片，定位出进气格栅，并以进气格栅的对称轴线分别分割出车标图片、左车灯图片、右车灯图片、进气格栅图片和保险杠图片的装置。本发明的有益效果是：本发明能够大大提高检索效率和准确率，与现有的传统检索方法相比，检索时间明显缩短，且准确率能够达到95.7%，能够更好的满足智能交通系统的需求。

主权项

一种基于卷积神经网络的车辆型号检索方法，其特征在于，所述检索方法包括：S1：获取交通卡口车辆照片信息，构建图像数据库；S2：获取目标车辆照片，基于图像数据库进行检索，输出检索结果；其中，S1具体包括以下步骤：S101：获取交通卡口车辆照片；S102：对获取的车辆照片进行车辆检测，并截取车脸图片；S103：定位出车脸图片的进气格栅，并以进气格栅的对称轴线分别搜索车标、左车灯、右车灯、进气格栅和保险杠，并分割出车标图片、左车灯图片、右车灯图片、进气格栅图片和保险杠图片，通过交叉式深度卷积神经网络分别对分割出的车标图片、左车灯图片、右车灯图片、保险杠图片和进气格栅图片进行特征提取，保留未分割完整的车脸图片，将提取的特征信息进行交叉融合得到车脸图片特征信息；S104：构建图像数据库，所述图像数据库包括以提取的车标图像特征信息为一级标签的若干个子数据库，每个子数据库包括若干个与所有同一车标、不同型号的车脸图片特征信息相应的二级标签；其中，所述车脸图片特征是基于同一型号车脸图片提取的左车灯图像特征、右车灯图像特征、进气格栅图像特征和保险杠图像特征交叉融合而成；S2具体包括以下步骤：S201：通过交通卡口获取目标车辆照片，采用所述步骤S102的方法对目标车辆照片进行车辆检测并截取目标车脸图片；S202：采用所述步骤S103的粗定位方法，定位出目标车脸图片的进气格栅，并以进气格栅的对称轴线分别搜索车标、左车灯、右车灯、进气格栅和保险杠，并分割出车标图片、左车灯图片、右车灯图片、进气格栅图片和保险杠图片，通过交叉式深度卷积神经网络分别对分割出的车标图片、左车灯图片、右车灯图片、保险杠图片和进气格栅图片进行特征提取，并将提取的特征信息进行交叉融合得到目标车脸图片特征信息；S203：利用余弦相似度的计算方法，将目标车标图像特征信息和图像数据库中所有的一级标签特征信息进行特征比对得到相似度，并对相似度进行排序，选取最高相似度所对应的子数据库作为二次检索库；S204：再利用余弦相似度的计算方法，将目标车脸图片特征信息与二次检索库的所有车脸图片特征信息进行特征比对得到相似度，并对相似度进行排序，输出最高相似度所对应的二级标签即得到检索结果。