[發明專利]一種基于AutoEncoder和屬性標簽的車輛檢索方法

在審

• 申請號: 201611095523.4
• 申請日: 2016-12-01
• 公開（公告）號: CN106776943A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 王海濱;陽平
• 申請（專利權）人: 中科唯實科技（北京）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 北京律恒立業知識產權代理事務所(特殊普通合伙)11416
• 代理人: 顧珊,龐立巖

技術領域

本發明涉及人工智能、機器學習、模式識別、視頻檢索、統計學等技術領域，具體是一種車型、車等多種特征綜合的方法在車輛檢索這一智能化監控視頻分析技術中的應用。

背景技術

隨著交通容量和車輛數目的大幅增加，各種交通違章和交通肇事頻頻發生，給交通監管部門提出了更高的要求。傳統的人工標注和檢索方式已無法滿足現代交通發展的需要。基于監控網絡的車輛檢索是采用基于內容的圖像檢索技術從車道卡口快速查找車輛。傳統內容檢索方式包括圖像特征提取、分類器學習和視覺相似性檢索。采用單一特征進行車輛檢索，在返回目標結果的同時往往會返回大量其他也滿足此檢索要求的結果。因此車輛檢索技術一方面需要采用更具體代表性的特征，另一面需要在單一特征檢索的基礎上通過其它的篩選方法，更一步檢索得到用戶所需的結果。

發明內容

本發明提供了一種基于AutoEncoder和屬性標簽的車輛檢索方法，其特征在于，包括步驟：a)采集卡口車輛圖像數據庫，通過訓練深度AutoEncoder提取車輛的全局視覺特征；b)對所述卡口車輛，訓練部件檢測和屬性識別模型，獲得車輛屬性標簽；c)提取監控系統中的所有卡口圖像，完成車輛檢測后提取車輛全局特征和屬性標簽，完成車輛數據入庫；d)將待檢索圖像與卡口車輛圖像數據庫進行相似度匹配：在待檢索圖像輸入到AutoEncoder網絡中計算得到車輛特征，將車輛特征與所述卡口車輛圖像數據庫中的車輛特征進行比較，按相似度排序返回檢索結果；e)輸入待檢索圖像中的車輛屬性，通過車輛屬性進一步對步驟d中的檢索結果進行篩選。

優選地，所述步驟a)中訓練深度AutoEncoder的方法為：編碼端為三層特征提取部分，解碼端為三層重構部分：第一個編碼層的權重矩陣和偏移第一個解碼層的權重矩陣和偏移第二個編碼層的權重矩陣和偏移第二層解碼層的權重矩陣和偏移第三個編碼層的權重矩陣和偏移第三解碼層的權重矩陣和偏移其目標函數為：

其中為sigmoid函數。

采用逐層貪婪法訓練AutoEncoder。

優選地，所述步驟b)中的車輛屬性包括車臉、車窗、車型、車牌底板顏色、車身顏色以及年檢標、掛件和擺放物。

優選地，所述車輛屬性的車臉檢測方法為：分別使用5萬車臉正樣本和10萬樣本負樣本，使用ACF(聚合通道特征)作為車臉特征訓練Adaboost檢測器。

優選地，所述車輛屬性的車窗檢測方法為：分別使用5萬車窗正樣本和10萬樣本負樣本，并且使用ACF作為車窗特征訓練Adaboost檢測器。

優選地，所述車輛屬性的車型識別方法為：車型分為轎車、SUV、小型客車、大型客車、小貨車、大貨車、罐車和其它共8種類型，從不同場景和不同氣候條件下的卡口車輛圖像中獲取車臉樣本做為訓練樣本訓練卷積神經網絡做車型識別。

優選地，所述車輛屬性的車牌底板顏色識別方法為：車牌底板顏色定義為藍、黃、白和黑4種，在RGB空間將車牌底板顏色量化為該4種。

優選地，所述車輛屬性的車身顏色識別方法為：在HSV顏色空間中將車身顏色量化成粉、紅、橙、黃、棕、綠、青、藍、紫、白、灰和黑11種后統計每種顏色的數量，并計算出車身的主顏色。

優選地，所述車輛屬性的年檢標，掛件和擺放庫的檢測方法為：分別使用5萬車窗正樣本和10萬樣本負樣本，并且使用ACF作為車窗特征訓練Adaboost檢測器。

與現有技術相比，本發明的有益效果是：

1、本發明采用百萬級大數據訓練深度AutoEncoder神經網絡，得到車輛特征更本質的表示，提高了檢索的精度；

2、本發明采用百萬級大數據訓練卷積神經進行車輛的屬性標注，采用語義標簽對檢索結果進一步篩選，在一定程度上解決了單一視覺特征檢索的語義鴻溝問題。

應當理解，前述大體的描述和后續詳盡的描述均為示例性說明和解釋，并不應當用作對本發明所要求保護內容的限制。

附圖說明

參考隨附的附圖，本發明更多的目的、功能和優點將通過本發明實施方式的如下描述得以闡明，其中：

圖1示出了根據本發明的基于AutoEncoder的視覺特征和屬性標簽檢索實施流程圖；

圖2示出了步驟a中訓練深度AutoEncoder的方法的示意圖；

圖3示出了基于卷積神經網絡的車臉識別圖像的示意圖；

圖4示出了步驟b中車輛屬性特征獲取的示意圖。

具體實施方式