[發明專利]一種基于多特征的三階段車輛檢索方法

有效

• 申請號: 201810996825.1
• 申請日: 2018-08-29
• 公開（公告）號: CN109255052B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 徐云靜;高飛;葛一粟;張元鳴;盧書芳;程振波;陸佳煒
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F16/73
• 分類號: G06F16/73;G06V10/25
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 吳秉中

本發明提出的車輛檢索方法，具體是一種基于多特征的三階段車輛檢索方法。該方法通過依次利用從粗到細的特征進行檢索，從而找到與目標車輛最為相似的車輛集。首先，在第一階段根據車輛顏色進行車輛篩選，篩選找到與目標檢索車輛顏色一致的車輛集；然后，在第二階段，再根據車輛車型特征進行篩選，找到與目標車輛車型相似度較高的車輛集；最后根據車輛區別于其他同車型的車輛特征進行檢索，找到于目標車輛最為相似的車輛數據集。本發明的優勢在于：多階段檢索的方式將檢索問題細分為多個子問題，可以降低整體問題的解決難度，同時對于海量數據檢索，利用從粗到細的特征分階段進行檢索可以有效提升檢索的效率。

技術領域

本發明涉及數字圖像處理技術領域，具體涉及一種基于多特征的三階段車輛檢索方法。

背景技術

隨著視頻監控在公共安全領域發揮出的重要作用，如何在復雜環境的視頻圖像中快速找到公共安全部門鎖定的目標車輛，已成為迫在眉睫的需求。目前，車牌自動識別技術與市場需求的結合已很成熟，車牌識別應用到實際交通管理系統中的社會效益和經濟效益都很顯著。然而車牌識別系統對于存在污損、遮擋和套牌等情況的車輛無能為力。

在傳統識別技術遇到瓶頸的同時，一種基于圖像分析的目標再識別技術近幾年逐漸成為研究的熱點。但目前，針對目標再識別的研究主要集中在行人再識別領域，近幾年極少學者開始嘗試進軍車輛再識別領域。比如王盼盼等人提出了(基于特征融合和L-M算法的車輛重識別方法[J].電子科技,2018,4(31):12-15)將車輛圖像的HSV特征和LBP特征進行融合，并對融合特征矩陣進行奇異值分解，提取特征值，然后采用L-M自適應調整算法優化BP神經網絡實現車輛匹配。該方法只用到了傳統簡單的特征很難滿足復雜場景下的車輛檢索需求。魯璐(基于MVBI哈希算法的車輛再識別方法研究[D].安徽大學,2018)將研究重心放在檢索的效率問題上，首先將車輛底層特征和深度特征用相關分析算法進行特征融合，然后利用主成分分析進行特征降維，最后通過一種MVBI哈希算法將特征描述子映射到漢明空間上進行比較。

發明內容

針對現有技術中存在的問題，本發明提出了一種基于多特征的三階段車輛檢索方法，通過依次利用從粗到細的特征進行檢索，從而找到與目標車輛最為相似的車輛集。首先，在第一階段根據車輛顏色進行車輛篩選，篩選找到與目標檢索車輛顏色一致的車輛集；然后，在第二階段，再根據車輛車型特征進行篩選，找到與目標車輛車型相似度較高的車輛集；最后根據車輛區別于其他同車型的車輛特征進行檢索，找到于目標車輛最為相似的車輛數據集。同時，本發明在圖像預處理階段還引入一種基于車窗的車輛圖像區域分割與重構方法。

本發明的技術方案如下：

一種基于多特征的三階段車輛檢索方法，其特征在于，包括如下步驟：

步驟1：首先訓練得到檢索過程中需要用到的檢測模型和分類模型，包括：車窗檢測模型winDetect、基于車臉區域的車輛顏色識別模型colorClassify、基于車型重構圖像的深度特征提取網絡模型carTypeFeature、基于車輛重構圖像的深度特征提取網絡模型carFeature；其中，車臉區域根據一種基于車窗的車輛區域分割方法得到；

步驟2：將被檢索的目標車輛記為I，將車輛搜索庫中車輛集記為X＝{x₀,x₁,...,x_n-1}；

步驟3：用顏色分類模型colorClassify識別目標車輛I和車輛集X中所有車輛的顏色，然后從X中找到與目標車輛I顏色相同的車輛，組成車輛集S₁；