一种车辆重识别方法、装置、电子设备和存储介质与流程

摘要: 本技术涉及图像处理,尤其涉及一种车辆重识别方法、装置、电子设备和存储介质。背景技术:1、随着智能交通、智慧安防以及自动驾驶等技术的发展,车辆重识别技术得到了广泛...
一种车辆重识别方法、装置、电子设备和存储介质与流程

本技术涉及图像处理,尤其涉及一种车辆重识别方法、装置、电子设备和存储介质。

背景技术:

1、随着智能交通、智慧安防以及自动驾驶等技术的发展,车辆重识别技术得到了广泛应用,其通过分析车辆图像中的视觉特征,实现跨摄像头场景下同一车辆的身份匹配。

2、目前,车辆重识别方法通常采用深度学习模型对车辆图像进行特征提取,并根据提取的车辆特征进行相似度匹配。然而,由于车辆存在车型差异、拍摄视角变化、光照变化、遮挡以及背景干扰等因素,同一车辆在不同图像中的视觉表现存在较大差异,而不同车辆之间又可能具有较高的外观相似性,导致现有方法提取的车辆特征辨别能力不足,难以充分表征车辆的判别信息,从而影响车辆重识别的准确性。

3、因此,提高车辆重识别的准确性,是本领域技术人员亟待解决的技术问题。

技术实现思路

1、本技术实施例提供一种车辆重识别方法、装置、电子设备和存储介质,用以提高车辆重识别的准确性。

2、本技术实施例提供的一种车辆重识别方法,包括:

3、对待识别车辆的查询图像进行特征提取,获得图像特征;

4、分别确定所述图像特征与演化提示池中的多个提示特征之间的特征匹配度,得到多个特征匹配度;所述多个提示特征是通过对预设车辆图像集中的车辆图像进行编码获得的;

5、根据所述多个特征匹配度确定综合匹配度,若所述综合匹配度小于相似阈值,则对所述图像特征进行编码,生成新的提示特征并添加至所述演化提示池中,获得更新后的演化提示池;其中,所述相似阈值根据预设次数的车辆重识别过程中各查询图像分别产生的综合匹配度联合确定的;

6、从更新后的演化提示池中筛选与所述图像特征匹配的至少一个目标提示特征后,将所述图像特征、所述至少一个目标提示特征进行特征融合,获得增强车辆特征;

7、将所述增强车辆特征与预存的多个候选车辆特征进行匹配,得到所述待识别车辆的车辆重识别结果。

8、本技术实施例提供的一种车辆重识别装置,包括:

9、特征提取单元,用于对待识别车辆的查询图像进行特征提取,获得图像特征;

10、特征匹配单元,用于分别确定所述图像特征与演化提示池中的多个提示特征之间的特征匹配度,得到多个特征匹配度;所述多个提示特征是通过对预设车辆图像集中的车辆图像进行编码获得的;

11、提示生成单元,用于根据所述多个特征匹配度确定综合匹配度,若所述综合匹配度小于相似阈值,则对所述图像特征进行编码,生成新的提示特征并添加至所述演化提示池中,获得更新后的演化提示池;其中,所述相似阈值根据预设次数的车辆重识别过程中各查询图像分别产生的综合匹配度联合确定的;

12、特征增强单元,用于从更新后的演化提示池中筛选与所述图像特征匹配的至少一个目标提示特征后,将所述图像特征、所述至少一个目标提示特征进行特征融合,获得增强车辆特征;

13、车辆识别单元,用于将所述增强车辆特征与预存的多个候选车辆特征进行匹配,得到所述待识别车辆的车辆重识别结果。

14、可选的,所述特征增强单元用于:

15、将所述图像特征分别输入门控网络以及多个处理分支,获得每个处理分支输出的车辆特征以及每个处理分支对应的权重;

16、根据各权重,对各车辆特征进行加权融合,获得融合车辆特征;

17、将所述图像特征、所述至少一个目标提示特征以及所述融合车辆特征进行特征融合,获得所述增强车辆特征。

18、可选的,所述特征增强单元用于通过如下方式确定各处理分支分别对应的权重:

19、根据所述图像特征,通过门控网络生成各处理分支对应的门控值,得到多个门控值;

20、从多个门控值中筛选出至少一个目标评分值;

21、对所述多个门控值进行归一化处理,获得各所述处理分支对应的权重,其中,每个目标评分值对应的处理分支具有非零权重。

22、可选的,所述多个处理分支包括至少一个车辆类别处理分支、至少一个通用处理分支以及至少一个环境处理分支;

23、其中:所述车辆类别处理分支用于提取对应车辆类别的车辆特征;所述通用处理分支用于提取不同车辆共享的全局车辆特征;所述环境处理分支用于提取对应环境下的车辆特征。

24、可选的,所述提示生成单元通过如下方式确定所述相似阈值:

25、获取预设次数的车辆重识别过程中的各预设查询图像;

26、针对每个预设查询图像,获取所预设述查询图像对应的预设图像特征后,确定所述预设图像特征与演化提示池中的多个提示特征之间的多个特征匹配度,并根据对应的多个特征匹配度确定所述预设查询图像对应的综合匹配度;

27、在得到多个综合匹配度后,根据所述多个综合匹配度确定综合匹配度均值和综合匹配度标准差;

28、根据所述综合匹配度均值和所述综合匹配度标准差,确定所述相似阈值。

29、可选的,所述车辆识别单元用于:

30、分别计算所述增强车辆特征与各所述候选车辆特征之间的特征相似度;

31、根据各所述特征相似度确定目标候选车辆特征;

32、将所述目标候选车辆特征对应的车辆标识确定为所述待识别车辆对应的车辆重识别结果。

33、可选的,所述待识别车辆对应有多张查询图像,所述多张查询图像构成一个查询批次;则所述提示生成单元还用于:

34、分别确定所述查询批次中各查询图像对应的图像特征与演化提示池中的提示特征之间的特征匹配度;

35、针对每个特征匹配度,根据所述特征匹配度与相似阈值的比较结果,确定对应查询图像是否被所述演化提示池覆盖;

36、统计所述查询批次中未被所述演化提示池覆盖的查询图像的数量,并根据所述数量占所述查询批次中查询图像总数量的比例确定所述查询批次对应的覆盖度缺口;

37、当所述覆盖度缺口大于预先设置的批次覆盖阈值时,向所述演化提示池添加新的提示特征;其中,所述批次覆盖阈值为针对所述查询批次对应的覆盖度缺口预先设置的判定阈值。

38、可选的,所述提示生成单元用于:

39、根据演化提示池中的至少两个已有提示特征按照预设比例进行加权组合,生成所述新的提示特征;

40、或者,根据演化提示池中的已有提示特征添加随机扰动,生成所述新的提示特征;

41、或者,基于各图像特征执行对抗训练,生成与演化提示池中的已有提示特征不同的提示特征,作为所述新的提示特征。

42、本技术实施例提供的一种电子设备,包括处理器和存储器,其中,所述存储器存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行上述任意一种车辆重识别方法的步骤。

43、本技术实施例提供一种计算机可读存储介质,其包括计算机程序,当所述计算机程序在电子设备上运行时,所述计算机程序用于使所述电子设备执行上述任意一种车辆重识别方法的步骤。

44、本技术实施例提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序存储在计算机可读存储介质中;当电子设备的处理器从计算机可读存储介质读取所述计算机程序时,所述处理器执行所述计算机程序,使得所述电子设备执行上述任意一种车辆重识别方法的步骤。

45、本技术有益效果如下:

46、本技术实施例提供了一种车辆重识别方法、装置、电子设备和存储介质,通过分别确定图像特征与演化提示池中多个提示特征之间的特征匹配度,并根据多个特征匹配度确定综合匹配度,在综合匹配度小于相似阈值时,将当前图像特征编码生成新的提示特征并添加至演化提示池,使演化提示池能够根据车辆重识别过程中不断出现的新车辆特征进行动态更新,而不是始终依赖固定提示集合进行特征增强,有利于增强提示池对复杂车辆特征模式的适应能力,降低由于提示信息不足导致的车辆特征表达能力下降的问题。

47、进一步地,本技术根据预设次数车辆重识别过程中各查询图像对应的综合匹配度联合确定相似阈值,使相似阈值能够随着车辆重识别过程中车辆特征分布的变化进行动态调整,而不是采用固定阈值判断是否更新演化提示池,从而使提示池更新过程能够根据当前车辆数据分布自适应进行控制,避免由于阈值设置过高导致新的车辆特征无法及时加入提示池,也避免由于阈值设置过低导致大量冗余提示特征加入提示池,有利于提高演化提示池更新的合理性,并保持演化提示池的有效性和稳定性。

48、进一步地,本技术在获得更新后的演化提示池后,从更新后的演化提示池中筛选与图像特征匹配的至少一个目标提示特征,并将目标提示特征与图像特征进行特征融合,获得增强车辆特征,使增强车辆特征不仅包含当前车辆图像的视觉特征,而且融合了演化提示池中与当前车辆最相关的提示信息,从而增强车辆特征的判别能力,提高复杂场景下的特征一致性,同时增大不同车辆之间的特征区分度,有利于提高车辆重识别的准确率以及复杂场景下的鲁棒性。

49、本技术的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本技术而了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。