[发明专利]一种基于深度学习的多特征融合车辆重识别方法

摘要

本发明公开了一种基于深度学习的多特征融合车辆重识别方法，包括五部分内容，分别是训练模型、车牌识别、车辆识别、相似性度量以及可视化。首先，本发明利用大规模车辆数据集进行模型训练，训练采用多损失函数分阶段联合训练策略。然后，对每一张车辆图像进行车牌识别，并根据车牌识别情况生成车牌标识特征向量。同时，利用训练得到的模型提取待分析图像以及查询库内图像的车辆表述性特征与车辆属性特征，并将车辆表述性特征与车牌标识向量融合每张车辆图像的唯一重识别特征向量。在相似性度量阶段，将待分析图像与查询库内图像的重识别特征向量进行相似性度量，锁定符合要求的检索结果，并将其可视化。

主权项

一种基于深度学习的多特征融合车辆重识别方法，其特征在于：该方法包括训练模型、车牌识别、车辆识别、相似性度量以及可视化五个部分：步骤(m1)训练模型—利用大规模车辆数据集、深度学习框架和训练策略完成特征提取模型分阶段的训练；步骤(m2)车牌识别—将车辆的车牌信息作为车辆识别的重要特征，该阶段分为预处理、车牌判别、车牌内容识别三个部分，将车牌识别结果存为车牌标识向量；步骤(m3)车辆识别—利用步骤(m1)中训练好的特征提取模型提取车辆识别的表述性特征向量和车辆属性特征；步骤(m4)相似性度量—分别提取待分析图像与车辆查询库内图像的车牌标识向量、车辆识别表述性特征向量，对其进行相似性度量，得到车辆重识别结果；步骤(m5)可视化—将步骤(4)得到的重识别结果以符合人类视觉理解方式的形式进行可视化。