[發明專利]一種多任務卡口車輛以圖搜圖的系統及方法

有效

• 申請號: 201711393923.8
• 申請日: 2017-12-21
• 公開（公告）號: CN108171136B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 溫曉岳;田玉蘭;田彥;陳濤;李建元
• 申請（專利權）人: 浙江銀江研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 杭州之江專利事務所(普通合伙) 33216
• 代理人: 張慧英

1.一種多任務卡口車輛以圖搜圖的方法，其特征在于，包括如下步驟：

(1)獲取卡口車輛圖片后對圖片進行處理與分類，并對卡口車輛圖片集進行優化處理得到數據集；

(2)構建并訓練獲得基于深度神經網絡模型的多任務定位網絡，提取車輛圖片中車輛、年檢標、車燈和背景的位置區域信息；構建并訓練獲得基于深度神經網絡模型的多任務特征提取網絡，提取車輛、年檢標、車燈位置區域的圖像特征，獲得車輛特征；

(3)基于車輛特征建立車輛特征的k-means聚類；具體步驟如下：

(3.1)隨機選擇K個質心點；

(3.2)采用余弦相似度計算每個特征量到K個質心點的距離，將其指派到距離最近的質心，形成K個類別簇；余弦相似度計算如下所示：

其中，X_i代表特征X中的第i個值，Y_i代表特征Y中的第i個值；

(3.3)計算每個簇的中心點作為新的質心；

(3.4)循環執行步驟(3.2)與(3.3)，直到所有簇心的余弦相似度和小于I時停止循環，I為預設的閾值；某簇心的余弦相似度計算公式如下：

(3.5)若屬于一個簇的特征總數大于N個時，對這個簇的數據執行步驟(3.1)-(3.4)，直到每一個最底部的子簇內部的特征數都小于等于N；

(4)利用K個二分類SVM訓練哈希函數，提取樣本特征碼后放入哈希桶中；

(5)檢索時將提取得到的待檢測圖片的車輛圖片全局特征通過哈希函數轉化為特征碼，找到該特征碼所對應的哈希桶并進行計算與排序，輸出所對應的相似卡口圖片；具體步驟如下：

(5.1)將提取到的車輛特征通過哈希函數轉化為漢明特征碼，并找出該特征碼所屬的哈希桶；

(5.2)將該特征碼與該哈希桶下的所有特征進行余弦相似度計算，并按距離從小到大對特征進行排序，選取前100個進行下一步篩選；

(5.3)計算待檢索卡口車輛圖片的全部特征向量與該100個車輛的全部特征向量的加權距離，并按距離從小到大對特征進行排序；加權距離計算公式如下：

0.8cosine(x₁，c_i1)+0.1cosine(x₂，c_i2)+0.1cosine(x₃，C_i3)(0≤i≤99)

其中x₁，x₂，x₃分別指的是卡口車輛的全局特征，年檢標特征和車燈特征，c_i1，c_i2，c_i3分別指的是第i個檢索庫中卡口車輛圖片的全局特征碼，年檢標特征和車燈特征；

(5.4)根據排序完的特征順序，輸出特征所對應的卡口圖片。

2.根據權利要求1所述的一種多任務卡口車輛以圖搜圖的方法，其特征在于：所述步驟(1)包括如下步驟：

(1.1)對獲取到的卡口車輛圖片人工標注車輛、車輛年檢標、車燈位置的區域坐標信息和類別；

(1.2)分別截取卡口圖片中的車輛、年檢標、車燈位置區域；

(1.3)將不同時間和地點的截取區域按照車牌進行分類得到數據集；

(1.4)對卡口車輛圖片進行添加噪聲樣本完成數據集的優化。