[發(fā)明專利]一種利用弱監(jiān)督區(qū)域推薦的車輛重識別方法

有效

• 申請?zhí)枺?/td>: 202110566479.5
• 申請日: 2021-05-24
• 公開（公告）號: CN113177518B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設(shè)計）人: 徐勝軍;葉松濤;孟月波;劉光輝;韓九強;史亞;王艷;劉求緣;郝明;詹博涵;鄧博文
• 申請（專利權(quán)）人: 西安建筑科技大學(xué)
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06V10/774;G06V10/764;G06V10/82;G08G1/017
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

本發(fā)明公開了一種利用弱監(jiān)督區(qū)域推薦的車輛重識別方法及系統(tǒng)，采集道路監(jiān)控攝像頭捕捉的車輛圖像數(shù)據(jù)，對其進行數(shù)據(jù)增強并應(yīng)用于本發(fā)明所設(shè)計的弱監(jiān)督區(qū)域推薦網(wǎng)絡(luò)中；設(shè)計弱監(jiān)督區(qū)域推薦網(wǎng)絡(luò)模型的結(jié)構(gòu)，區(qū)域推薦模塊使用分類損失和區(qū)域建議損失函數(shù)進行優(yōu)化，使其能夠提取圖像中具有豐富信息度的多尺度局部區(qū)域，從而獲取更具有辨別力、描述力的局部區(qū)域特征，局部特征與全局特征使用三元組損失進行優(yōu)化，增強網(wǎng)絡(luò)的辨識能力；使用適應(yīng)性梯度下降算法以端到端的方式監(jiān)督弱監(jiān)督區(qū)域推薦網(wǎng)絡(luò)的訓(xùn)練，得到訓(xùn)練好的模型后，計算車輛查詢集與圖庫集的相似度，根據(jù)相似度的大小排序獲取車輛重識別結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明屬于車輛重識別技術(shù)領(lǐng)域，具體涉及一種利用弱監(jiān)督區(qū)域推薦的車輛重識別方法。

背景技術(shù)

隨著人民的生活水平不斷提高，城市內(nèi)機動車保有量急劇增加，汽車在人民的生產(chǎn)與生活中扮演著不可或缺的重要角色。然而汽車在方便人們生活、工作的同時也不可避免地帶來了很多交通安全問題，例如違法違規(guī)行駛以及肇事逃逸等。智能城市管理是確保城市安全的重要措施，而車輛重識別是此類智能視覺監(jiān)控領(lǐng)域的基礎(chǔ)和重要組成部分。車輛重識別技術(shù)是指給定一張車輛圖像，從非重疊視域的視頻監(jiān)控系統(tǒng)中識別出相同身份的車輛。通過將目標車輛與多個不同視角、不同場景下的監(jiān)控攝像機所捕捉到的所有車輛進行匹配，獲取目標車輛出現(xiàn)的時間、地點、次數(shù)，從而在整個道路監(jiān)控系統(tǒng)中實現(xiàn)對該車輛的跟蹤、定位、循跡，為交通管理和刑事偵查提供關(guān)鍵信息。車輛重識別技術(shù)可以緩減海量數(shù)據(jù)對道路監(jiān)控系統(tǒng)帶來的巨大壓力，在智能交通領(lǐng)域中具有重要的研究意義和經(jīng)濟價值，對智慧城市、智能安防、無人駕駛等領(lǐng)域的發(fā)展具有推動作用。

近年來，車輛重識別技術(shù)因其重要的研究價值被廣泛關(guān)注，并取得了一系列的研究成果，但在實際部署應(yīng)用于城市路網(wǎng)監(jiān)控系統(tǒng)時，受到路網(wǎng)的環(huán)境因素影響以及車輛自身特性影響，仍然存在著諸多問題亟待研究。由于無約束道路場景下的監(jiān)控攝像頭的遮擋、視角、光照情況不同，捕捉到的車輛圖像是局部或殘缺的，導(dǎo)致同一身份車輛呈現(xiàn)出截然不同的外觀特征，不同身份車輛的外觀卻又非常相似，這種歧義性要求車輛重識別方法能夠同時捕捉魯棒的全局特征和具辨別力的局部特征。然而局部特征的獲取往往依賴豐富的車輛細粒度標注信息，城市中的車輛保有量高達百萬級，豐富的標注信息的獲取意味著需要付出高昂的成本，這對車輛重識別技術(shù)在智慧交通領(lǐng)域的應(yīng)用帶來了極大的挑戰(zhàn)。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于針對上述現(xiàn)有技術(shù)中的不足，提供一種利用弱監(jiān)督區(qū)域推薦的車輛重識別方法，僅使用身份信息，以弱監(jiān)督方式引導(dǎo)模型提取車輛具有辨別力的局部區(qū)域特征描述符，通過與全局度量特征進行深度融合，形成由粗到細的多粒度特征表示用于車輛的檢索和匹配。避免了模型對細粒度標注信息的依賴，提高了車輛重識別的匹配精度，更利于實現(xiàn)智能交通系統(tǒng)的工程應(yīng)用。

本發(fā)明采用以下技術(shù)方案：

一種利用弱監(jiān)督區(qū)域推薦的車輛重識別方法，包括以下步驟：

S1、獲取車輛圖像數(shù)據(jù)，并將車輛圖像數(shù)據(jù)設(shè)置為同一大小，分別構(gòu)建車輛重識別訓(xùn)練集T、查詢集Q與圖庫集G，對車輛重識別訓(xùn)練集T進行裁剪、翻轉(zhuǎn)、旋轉(zhuǎn)和歸一化數(shù)據(jù)增強操作；

S2、設(shè)計弱監(jiān)督區(qū)域推薦網(wǎng)絡(luò)模型結(jié)構(gòu)，包括骨干網(wǎng)絡(luò)，全局分支網(wǎng)絡(luò)和局部分支網(wǎng)絡(luò)，采用批量訓(xùn)練方法將步驟S1得到的車輛重識別訓(xùn)練集T輸入骨干網(wǎng)絡(luò)中獲取特征映射F_i，將特征映射F_i輸入至全局分支網(wǎng)絡(luò)和局部分支網(wǎng)絡(luò)，獲取全局特征和多尺度局部特征；

S3、將步驟S1獲取的車輛訓(xùn)練集T輸入步驟S2設(shè)計的弱監(jiān)督區(qū)域推薦網(wǎng)絡(luò)模型結(jié)構(gòu)中，使用適應(yīng)性梯度下降算法以端到端的方式監(jiān)督弱監(jiān)督區(qū)域推薦網(wǎng)絡(luò)模型結(jié)構(gòu)的訓(xùn)練，得到訓(xùn)練好的弱監(jiān)督區(qū)域推薦網(wǎng)絡(luò)模型；

S4、將步驟S1獲取的車輛查詢集Q與圖庫集G輸入步驟S3訓(xùn)練好的弱監(jiān)督區(qū)域推薦網(wǎng)絡(luò)模型，提取車輛的全局特征與局部特征，通過拼接融合的方式獲取最終的特征，計算車輛查詢集Q和圖庫集G的特征之間的余弦相似度，根據(jù)相似度大小獲取車輛重識別結(jié)果。