[發明專利]一種基于局部特征的車輛檢索方法

在審

• 申請號: 201810456030.1
• 申請日: 2018-05-14
• 公開（公告）號: CN110555125A
• 公開（公告）日: 2019-12-10
• 發明（設計）人: 蔡曉東;蘇欣欣
• 申請（專利權）人: 桂林遠望智能通信科技有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06N3/04;G06K9/62
• 代理公司: 11465 北京慕達星云知識產權代理事務所(特殊普通合伙)
• 代理人: 王鵬

1.一種基于局部特征的車輛檢索方法，其特征在于，包括以下步驟：

步驟S1：車臉和車窗的定位：通過目標檢測算法Fast-RCNN定位，對無車牌的車臉及車窗進行檢測定位，獲得的局部區域的坐標；

步驟S2：圖像預處理：將步驟S1獲取的車輛樣本進行檢測、裁剪、對齊預處理，并將圖片格式轉換為LMDB格式，生成減均值文件；

步驟S3：建立CNN網絡模型：通過基于搭建多任務loss雙支網絡構架，訓練得到CNN網絡模型用于特征提取；在網絡構架的損失層上結合center loss和softmax，其中，centerloss通過懲罰每個種類的樣本和該種樣本中心的偏移，使同一種類的樣本聚合在一起，其表示為：

其中，x_i表示第i張圖片的特征值，表示類y_i的類中心，在此損失函數中，每個iteration計算當前數據和center的距離，然后把這個距離以梯度的形式疊加到center上實現的更新；

Softmax使用下式計算得到每一類的概率輸出，

其中，x_i為softmax層第i個節點值，y_i為第i個輸出值，n為softmax層的節點個數，

最后一個損失層是中心損失函數和softmax的結合，損失函數表示為：

步驟S4：車臉和車窗特征提取與對比：運用步驟S3訓練得到的CNN網絡模型對步驟S2中處理好的待檢索樣本和車輛檢索庫進行特征提取，然后進行特征比對，分類識別出同一車型的圖像后利用車窗及車臉特征比對檢索得到同一車輛；

其中，車臉和車窗比對階段，需要設置一個相似度閾值w，采用余弦距離計算圖像相似度s，計算s的公式如下所示：

車輛比對階段，將兩張車輛圖像的相似度和閾值w進行比較，將當s＞w時，說明兩張圖像相似度較高，可以分為同一車型，當s≤w時，說明輸入比對的兩張圖像相似度較低，屬于不同車型；若為同一車型，繼續進行車窗比對，直到檢索出相似度最高的同一輛車；若為不同車型，即可停止下一步的車窗比對。

2.根據權利要求1所述的一種基于局部特征的車輛檢索方法，其特征在于，所述步驟S3中CNN網絡模型包括車臉分類模型與車窗目標提取模型。

3.根據權利要求1所述的一種基于局部特征的車輛檢索方法，其特征在于，所述步驟S3中網絡構架為深層網絡構架或淺層網絡構架。

4.根據權利要求1所述的一種基于局部特征的車輛檢索方法，其特征在于，所述步驟S4中確定車臉比對的相似度閾值定為0.52以及車窗比對的相似度閾值定為0.71時比對準確率最高。