车辆重识别方法、模型训练方法及相关装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113743359A(43)申请公布日2021.12.03(21)申请号202111087135.2(22)申请日2021.09.16(71)申请人重庆紫光华山智安科技有限公司地址400700重庆市北碚区云汉大道117号附386号(72)发明人周茂(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人张欣欣(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书9页附图4页(54)发明名称车辆重识别方法、模型训练方法及相关装置(57)摘要本发明提供的车辆重识别方法、模型训练方法及相关装置，方法包括：将待识别车辆的图像输入训练后的车辆重识别模型中，获得待识别车辆对应的特征向量；其中，车辆重识别模型至少包括姿态信息监督子模型，姿态信息监督子模型用于根据姿态信息分类出具有不同姿态的相同车辆；将特征向量与多张比对图像进行匹配，获得目标图像，并将待识别车辆确定为目标图像中的车辆，其中，目标图像为比对图库中的至少一张比对图像。本发明提供的车辆识别方法，可以更加全面、准确匹配到目标车辆，从而可以确定待识别车辆的车辆信息。CN113743359ACN113743359A权利要求书1/2页1.一种车辆重识别方法，其特征在于，比对图库包括多张比对图像；所述方法包括：将待识别车辆的图像输入训练后的车辆重识别模型中，获得所述待识别车辆对应的特征向量；其中，所述车辆重识别模型至少包括姿态信息监督子模型，所述姿态信息监督子模型用于根据姿态信息分类出具有不同姿态的相同车辆；将所述特征向量与所述多张比对图像进行匹配，获得目标图像，并将所述待识别车辆确定为所述目标图像中的车辆，其中，所述目标图像为所述比对图库中的至少一张比对图像。2.根据权利要求1所述的车辆重识别方法，其特征在于，在将待识别车辆的图像输入训练后的车辆重识别模型中之前，所述方法还包括：根据所述姿态信息监督子模型、车辆标识监督子模型和特征提取子模型,构建初始的车辆重识别模型；将多张训练图像输入至所述特征提取子模型，获得每张所述训练图像对应的车辆特征；其中，每张所述训练图像具有车辆标识标签和姿态标签；将所述车辆特征分别输入至所述姿态信息监督子模型和所述车辆标识监督子模型进行训练；当所述车辆标识监督子模型预测的车辆标识与所述车辆标识标签之间的损失函数收敛，且所述姿态信息监督子模型预测的姿态信息与所述车辆标识标签之间的损失函数收敛时，获得所述训练后的车辆重识别模型。3.根据权利要求2所述的车辆重识别方法，其特征在于，在将多张训练图像输入至所述特征提取子模型之前，所述方法还包括：对所述多张训练图像进行数据增强预处理。4.根据权利要求1所述的车辆重识别方法，其特征在于，将所述特征向量与所述多张比对图像进行匹配，获得目标图像，并将所述待识别车辆确定为所述目标图像中的车辆，包括：根据每张所述比对图像的比对特征向量，确定所述特征向量与每张所比对图像的相似度；将最大相似度对应的比对图像确定为所述目标图像，并将所述待识别车辆确定为所述目标图像中的车辆。5.一种车辆重识别模型的训练方法，其特征在于，所述方法包括：根据姿态信息监督子模型、车辆标识监督子模型和特征提取子模型,构建初始的车辆重识别模型；其中，所述姿态信息监督子模型用于根据姿态信息分类出具有不同姿态的相同车辆；所述车辆标识监督子模型用于根据车辆标识对车辆进行分类；将多张训练图像输入至所述特征提取子模型，获得每张所述训练图像对应的车辆特征；其中，每张所述训练图像具有车辆标识标签和姿态标签；将所述车辆特征分别输入至所述姿态信息监督子模型和所述车辆标识监督子模型进行训练；当所述车辆标识监督子模型预测的车辆标识与所述车辆标识标签之间的损失函数收2CN113743359A权利要求书2/2页敛，且所述姿态信息监督子模型预测的姿态信息与所述车辆标识标签之间的损失函数收敛时，获得训练后的车辆重识别模型。6.一种车辆重识别装置，其特征在于，比对图库包括多张比对图像；包括：特征提取模块，用于将待识别车辆的图像输入训练后的车辆重识别模型中，获得所述待识别车辆对应的特征向量；其中，所述车辆重识别模型至少包括姿态信息监督子模型，所述姿态信息监督子模型用于根据姿态信息分类出具有不同姿态的相同车辆；识别模块，用于将所述特征向量与所述多张比对图像进行匹配，获得目标图像，并将所述待识别车辆确定为所述目标图像中的车辆。7.根据权利要求6所述的车辆重识别装置，其特征在于，还包括监督模块，用于：根据所述姿态信息监督子模型、车辆标识监督子模型和特征提取子模型,构建初始的车辆重识别模