[發明專利]一種車輛再識別方法及系統

有效

• 申請號: 202011519253.1
• 申請日: 2020-12-21
• 公開（公告）號: CN112541460B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 呂蕾;龐辰;韓潤;呂晨;張桂娟;劉弘
• 申請（專利權）人: 山東師范大學
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06V10/46;G06V10/24;G06V10/56;G06V10/774;G06K9/62;G06T17/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

本公開提供了一種車輛再識別方法及系統，包括：根據每種車型的三維模型進行角度旋轉得到每個角度的圖片，提取每種車型的關鍵點信息和車型的外輪廓信息，并計算旋轉角度；將每種車型的關鍵點信息、車型的外輪廓信息以及旋轉角度輸入車輛再識別模型中，得到訓練好的車輛再識別模型；將待測車輛的圖片或視頻輸入到訓練好的車輛再識別模型中，輸出待測車輛車型。

技術領域

本公開屬于計算機視覺領域，具體涉及一種車輛再識別方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

交通攝像頭的廣泛部署為物流，運輸和智慧城市等應用提供了視頻分析的可能，這種分析中較為關鍵的問題就是跨攝像機關聯目標。盡管行人和車輛都是智慧城市應用中常見的對象，但近年來，對行人重識別的關注度較高。這是因為在行人重識別方面，擁有大量經過注釋的行人數據，以及計算機視覺對人臉以及身體方面的研究已經較為成熟。與行人重識別相比，車輛的重識別更具挑戰性。具體表現為攝像頭的位置不同會產生光照變化、視角變化以及分辨率的差異，從而導致同一輛車在不同的視角下產生自身差別或者不同車輛因型號相同形成類間相似。此外，盡管車牌從一定程度上能夠輔助識別車輛，但是由于相互遮擋，視點傾斜或者圖像分辨率過低等原因，難以從監控視頻中識別車牌，并且車牌也存在一些隱私問題。

隨著深度神經網絡在計算機視覺領域的廣泛應用，提升車輛再識別的準確率也成為了近年來計算機視覺方向的一個熱門話題。

在實現本公開的過程中，發明人發現現有技術中存在以下技術問題：

基于傳感器或者人工設計特征的方法復雜度比較高且識別率較低；利用多維度信息的方法對車輛特殊外觀比較敏感，但是易受視角和光照變化的影響；基于度量學習的方法識別率較高，對難樣本的識別效率也比較好，但是訓練時間比較長；還有一些學者利用特征學習或者距離度量學習去訓練深度神經網絡，但這類方法在車輛再識別方面取得的效果遠不如行人重識別。

當前效果較好的一種方法(PAMTRI模型)是姿態感知多任務學習網絡。通過這個網絡注意到車輛的屬性例如：顏色，類型等與通過姿態表示表達的可變形模型有很大的關聯性。就將通過姿態估計網絡得到的關鍵點，熱圖等信息與車輛的顏色和類型信息進行結合，然后將他們分別送到三個獨立的分支中進行學習，最終取得了較高的重識別率。

發明內容

本公開為了解決上述問題，提出了一種車輛再識別方法及系統，本公開考慮包括顏色、類型等這些不會隨著視點的變化發生變化的信息以外，同時將隨著角度變化而發生變化的車輛外觀形狀也作為輔助進行重識別的一個有效信息。由于監控的角度是多樣的，因此獲取到的圖片中車輛的角度也是多樣的。如果選擇對車輛進行3D建模，就可以從任意的角度進行比對。因此，我們提供了一種車輛再識別方法，其能夠精準、有效的對視頻監控中拍攝到的車輛進行再識別，解決形狀和外觀對視點的依賴性、車輛外觀的相似性較高等問題。

根據一些實施例，本公開采用如下技術方案：

第一方面，本公開提供了一種車輛再識別方法；

一種車輛再識別方法，包括：

根據每種車型的三維模型進行角度旋轉得到每個角度的圖片，提取每種車型的關鍵點信息和車型的外輪廓信息，并計算旋轉角度；

將每種車型的關鍵點信息、車型的外輪廓信息以及旋轉角度輸入車輛再識別模型中，得到訓練好的車輛再識別模型；

將待測車輛的圖片或視頻輸入到訓練好的車輛再識別模型中，輸出待測車輛車型。

第二方面，本公開提供了一種車輛再識別系統；

一種車輛再識別系統，包括：