公开(公告)号：CN109583305B

公开(公告)日：2022-05-20

申请号：CN201811282149.8

申请日：2018-10-30

Applicant: 南昌大学

Inventor： 闵卫东 ,  李祥鹏 ,  黄杰 ,  赵浩宇 ,  张愚 ,  刘瑞康 ,  汪琦 ,  朱梦 ,  韩清

IPC: G06V20/10 ,  G06V20/62 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明提供了一种基于关键部件识别和细粒度分类的车辆重识别的先进方法，包括以下步骤：步骤1，对于给定的测试图像，通过改进的Faster R‑CNN获得车辆、车牌和车辆标志的区域；步骤2，如果测试图像的车牌被定位并且车牌字符被改进的端到端AlexNet网络识别，则对其进行识别和比较；步骤3，若识别出车辆标志，细粒度的车辆重识别方法使用除了不同车辆标志的图像外的测试集，否则，它将使用整个测试集；步骤4，在细粒度方法的基础上，利用紧凑双线性池来提取紧凑特征；步骤5，通过k‑倒数编码，将紧凑特征与k‑倒数特征相结合，对车辆重识别结果进行重新排序，本发明具有更好的车辆重识别率，具有准确识别车牌和区分细微差别的类似车辆的更强能力。

公开(公告)号：CN109583305A

公开(公告)日：2019-04-05

申请号：CN201811282149.8

申请日：2018-10-30

Applicant: 南昌大学

Inventor： 闵卫东 ,  李祥鹏 ,  黄杰 ,  赵浩宇 ,  张愚 ,  刘瑞康 ,  汪琦 ,  朱梦 ,  韩清

IPC: G06K9/00 ,  G06K9/32 ,  G06N3/04

Abstract: 本发明提供了一种基于关键部件识别和细粒度分类的车辆重识别的先进方法，包括以下步骤：步骤1，对于给定的测试图像，通过改进的Faster R-CNN获得车辆、车牌和车辆标志的区域；步骤2，如果测试图像的车牌被定位并且车牌字符被改进的端到端AlexNet网络识别，则对其进行识别和比较；步骤3，若识别出车辆标志，细粒度的车辆重识别方法使用除了不同车辆标志的图像外的测试集，否则，它将使用整个测试集；步骤4，在细粒度方法的基础上，利用紧凑双线性池来提取紧凑特征；步骤5，通过k-倒数编码，将紧凑特征与k-倒数特征相结合，对车辆重识别结果进行重新排序，本发明具有更好的车辆重识别率，具有准确识别车牌和区分细微差别的类似车辆的更强能力。