[發明專利]一種基于孿生神經網絡的車輛身份判別方法

在審

• 申請號: 202010142310.2
• 申請日: 2020-03-03
• 公開（公告）號: CN111368729A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 王連濤;殷康;侯康馨;李慶武
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 丁濤

1.一種基于孿生神經網絡的車輛身份判別方法，其特征在于，具體步驟如下：

步驟S1：構建孿生神經網絡，其結構為：兩支提取特征的卷積神經網絡，后接距離度量層，再接概率計算層；

步驟S2：在Veri-Wild數據集上訓練步驟S1所述孿生神經網絡；

步驟S3：構建具體應用場景的數據集，并繼續訓練步驟S1所述孿生神經網絡；

步驟S4：構建具體應用場景中的目標車輛圖片庫；

步驟S5：現場抓拍圖片，并利用已經訓練好的網絡判斷是否為目標車輛。

2.根據權利要求1所述的一種基于孿生神經網絡的車輛身份判別方法，其特征在于，所述步驟S1中的孿生神經網絡的具體結構為：

S1.1：兩支特征提取網絡為卷積神經網絡，假設h₁為樣本1在特征提取層的輸出，h₂為樣本2在特征提取層的輸出；

S1.2：距離度量層為加權L1計算層，通過以下公式計算兩個特征向量之間的距離：

其中，α_j為和對應的系數；

S1.3：概率計算層為全連接層，其中每層的節點個數應根據實際情況按經驗設定，將距離度量層輸出結果帶入Sigmoid函數歸一化：

最終，整個網絡的輸出為概率值y。

3.根據權利要求2所述的一種基于孿生神經網絡的車輛身份判別方法，其特征在于，所述步驟S2中的具體網絡的訓練步驟為：

S2.1：每次訓練時，按樣本對訓練網絡，從訓練集中隨機選兩張圖片為一對輸入網絡，兩張圖片為相同車輛的為正樣本對，兩張圖片為不同車輛的為負樣本對，設置正負樣本對各占訓練樣本總數的50％；

S2.2：將一個正樣本和一個負樣本放入網絡，依次經過特征提取層，距離度量層，概率計算層，最后得出樣本對的概率估計值，并帶入對比損失函數：

L＝∑yd²+(1-y)max(margin-d，0)²

其中，margin為預設值；

S2.3：網絡根據損失函數反向傳播以自動調整參數。

4.根據權利要求3所述的一種基于孿生神經網絡的車輛身份判別方法，其特征在于，所述步驟S3中的構建具體應用場景的數據集并進一步訓練網絡步驟為：

S3.1：根據應用需求在實際場地拍攝若干張與實際抓拍時位置、角度、時間等近似的照片，組成小型數據集；

S3.2：與權利要求2所述的訓練方法相同，在該小型數據集上進一步訓練網絡。

5.根據權利要求4所述的一種基于孿生神經網絡的車輛身份判別方法，其特征在于，所述步驟S5中的利用已經訓練好的網絡判斷是否為目標車輛的步驟為：

S5.1：將抓拍到的圖片與目標車輛庫中該車牌的圖片放入已訓練好的網絡中；

S5.2：網絡自動計算兩張圖片各自的特征，和兩個特征向量之間的距離，最后輸出概率值y；

S5.3：若網絡輸出y大于0.5，則為同一輛車；否則，為不同的車。