本技術(shù)涉及圖像識別，具體涉及面向道路交通的車輛重識別方法、計(jì)算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、車輛重識別是一種圖像檢索任務(wù)，旨在從給定查詢集中查詢車輛，從不同攝像頭拍攝的圖像庫中找到與查詢車輛具有相同身份的所有車輛。近年來，隨著多個(gè)大規(guī)模數(shù)據(jù)集的發(fā)布、深度學(xué)習(xí)技術(shù)的不斷創(chuàng)新，以及硬件設(shè)備性能的顯著提升，基于深度學(xué)習(xí)的車輛重識別網(wǎng)絡(luò)模型取得了飛速發(fā)展。車輛重識別成為智能交通和智慧城市建設(shè)中不可或缺的一環(huán)。

2、但是車輛重識別是在道路交通的復(fù)雜場景下，通過多角度的特征對比來進(jìn)行目標(biāo)車輛的識別，隨著同一型號的車輛數(shù)量增加，車輛之間的細(xì)微差異的重要性隨之增大，而傳統(tǒng)的車輛重識別方法通常沒有充分利用相鄰幀圖像之間的特征關(guān)聯(lián)，導(dǎo)致對待識別車輛圖像中的細(xì)節(jié)特征提取的準(zhǔn)確性較低，進(jìn)而影響對道路交通中車輛重識別的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、鑒于以上內(nèi)容，有必要提供面向道路交通的車輛重識別方法、計(jì)算機(jī)設(shè)備及存儲介質(zhì)，相對于傳統(tǒng)的面向道路交通的車輛重識別方法，提高了車輛重識別過程中特征提取的準(zhǔn)確性，進(jìn)而提高了車輛重識別結(jié)果的準(zhǔn)確性：

2、第一方面，本技術(shù)實(shí)施例提供了面向道路交通的車輛重識別方法，該方法包括以下步驟：

3、獲取任一車輛在各角度下的多幀圖像，并對各幀圖像分別進(jìn)行下采樣多尺度劃分；

4、基于各角度下任意相鄰兩幀圖像之間在各尺度下的灰度分布情況的差異，確定所述任意相鄰兩幀圖像之間在各尺度下的特征差異值；

5、基于各角度下各尺度與其余所有尺度之間對應(yīng)的所述特征差異值的相似程度，確定各角度的所有圖像在各尺度下局部顯著特征的變化值；

6、基于各角度與其余所有角度之間所述局部顯著特征的變化值的差異，確定各角度的所有圖像在各尺度下具有顯著細(xì)節(jié)特征的突出值；

7、基于所述具有顯著細(xì)節(jié)特征的突出值，優(yōu)化頻率調(diào)諧算法中高斯平滑參數(shù)的取值；

8、采用優(yōu)化后的頻率調(diào)諧算法獲取各幀圖像在各尺度下的顯著圖，并結(jié)合各幀圖像的所有尺度下所述突出值的分布情況，得到各幀圖像的多尺度融合的顯著圖像；

9、基于所述任一車輛在所有角度下的所有幀圖像以及所述顯著圖像，利用神經(jīng)網(wǎng)絡(luò)獲取所述任一車輛的重識別結(jié)果。

10、在其中一種實(shí)施例中，所述特征差異值的確定過程為：

11、采用幀間差分法獲取任一角度下任意相鄰兩幀圖像之間在任一尺度下的差分圖像；

12、獲取所述差分圖像中灰度值為1的像素點(diǎn)，將所述任意相鄰兩幀圖像中與所述灰度值為1的像素點(diǎn)相同位置的像素點(diǎn)，記為移動變化像素點(diǎn)；

13、計(jì)算所述任意相鄰兩幀圖像中各相同位置的移動變化像素點(diǎn)的鄰域范圍內(nèi)，灰度值的差異，記為圖像差異；

14、將所述任意相鄰兩幀圖像中所有相同位置的所述圖像差異的離散程度，作為所述任意相鄰兩幀圖像之間在所述任一尺度下的特征差異值。

15、在其中一種實(shí)施例中，所述局部顯著特征的變化值的確定過程為：

16、將各角度下各尺度對應(yīng)的所有所述特征差異值，組成各角度下各尺度的對比特征向量；

17、計(jì)算各角度下各尺度與其余各尺度之間所述對比特征向量的相似度；

18、所述局部顯著特征的變化值與所述對比特征向量的模成正比，與所述相似度成反比。

19、在其中一種實(shí)施例中，所述具有顯著細(xì)節(jié)特征的突出值的表達(dá)式為：

20、；式中，表示第v個(gè)角度的所有圖像在第x個(gè)尺度下具有顯著細(xì)節(jié)特征的突出值；、分別表示第v個(gè)角度、第d個(gè)角度的所有圖像在第x個(gè)尺度下局部顯著特征的變化值；exp(?)表示以自然常數(shù)為底數(shù)的指數(shù)函數(shù)；m表示角度的數(shù)量；表示絕對值函數(shù)。

21、在其中一種實(shí)施例中，所述優(yōu)化頻率調(diào)諧算法中高斯平滑參數(shù)的取值的過程為：

22、對所有角度的圖像在所述任一尺度下具有顯著細(xì)節(jié)特征的突出值進(jìn)行歸一化；

23、各角度下所述任一尺度圖像的高斯平滑參數(shù)的優(yōu)化值與高斯平滑參數(shù)的預(yù)設(shè)初始值成正相關(guān)，與各角度的圖像在所述任一尺度下具有顯著細(xì)節(jié)特征的突出值的歸一化結(jié)果成負(fù)相關(guān)。

24、在其中一種實(shí)施例中，所述顯著圖像的獲取方法為：

25、計(jì)算各幀圖像下的所有尺度下所述突出值的和值；

26、計(jì)算各幀圖像下的各尺度下所述突出值在所述和值中的占比；

27、將所述占比作為各幀圖像在各尺度下的顯著圖的權(quán)重，采用特征融合算法對各幀圖像在所有尺度下的顯著圖進(jìn)行融合，得到各幀圖像的多尺度融合的顯著圖像。

28、在其中一種實(shí)施例中，所述重識別結(jié)果的獲取過程為：

29、獲取開源數(shù)據(jù)集中所有車輛圖像的所述顯著圖像；

30、基于所述開源數(shù)據(jù)集中所有車輛圖像及其所述顯著圖像，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

31、基于所述任一車輛的所有圖像及其所述顯著圖像，利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)獲取所述任一車輛的重識別結(jié)果。

32、在其中一種實(shí)施例中，所述重識別結(jié)果為所述任一車輛與所述開源數(shù)據(jù)集中車輛之間的相似度度量值。

33、第二方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)設(shè)備，所述計(jì)算機(jī)設(shè)備包括處理器、存儲器以及存儲在所述存儲器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如第一方面所述面向道路交通的車輛重識別方法的步驟。

34、第三方面，本技術(shù)實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述面向道路交通的車輛重識別方法。

35、本技術(shù)至少具有如下有益效果：

36、本技術(shù)通過分析在道路交通中拍攝車輛圖像時(shí)，不同車輛之間裝飾或改裝導(dǎo)致車輛之間的局部細(xì)節(jié)特征差異大的現(xiàn)象，基于各角度下任意相鄰兩幀圖像之間在各尺度下的灰度分布情況的差異，確定所述任意相鄰兩幀圖像之間在各尺度下的特征差異值，并基于各角度下各尺度與其余所有尺度之間對應(yīng)所述特征差異值的相似程度，確定各角度的所有圖像在各尺度下局部顯著特征的變化值；充分考慮拍攝車輛在相同角度下不同位置的局部細(xì)節(jié)特征的變化差異，進(jìn)而準(zhǔn)確分析每個(gè)尺度下車輛圖像的局部細(xì)節(jié)特征；

37、進(jìn)一步，基于各角度與其余所有角度之間所述局部顯著特征的變化值的差異，確定各角度的所有圖像在各尺度下具有顯著細(xì)節(jié)特征的突出值；基于所述具有顯著細(xì)節(jié)特征的突出值，優(yōu)化頻率調(diào)諧算法中高斯平滑參數(shù)的取值；并各幀圖像的多尺度融合的顯著圖像；通過突出值對不同尺度下的車輛圖像進(jìn)行顯著性分析，對局部細(xì)節(jié)特征信息越明顯的尺度下的顯著圖在多尺度融合時(shí)，賦予越高的權(quán)重，提高多尺度融合的顯著圖像的準(zhǔn)確性；

38、進(jìn)一步，基于多尺度融合的顯著圖像進(jìn)行車輛重識別，充分考慮了在車型相同或相似的情況下，因裝飾和改裝導(dǎo)致車輛的局部細(xì)節(jié)特征差異較大的特征，并將基于這一特征而得到的顯著圖像作為車輛重識別的額外輸入特征，提高對車輛重識別過程中特征提取的準(zhǔn)確性，進(jìn)而提高車輛重識別結(jié)果的準(zhǔn)確性。