买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥人工智能与大数据研究院有限公司;安徽治数科技有限公司

摘要：本发明公开了基于时序网络多摄像头车辆重识别的方法及系统，涉及车辆重识别技术领域，解决了现有技术单纯依靠车辆的外观特征进行重识别在多摄像头场景下存在一定的局限性的技术问题；本发明通过获取车辆在若干摄像头下的图像数据；通过对图像数据进行预处理，得到图像数据集，增加了数据集的多样性，解决了现有技术在处理多摄像头场景时仍存在摄像头视角、光照变化、遮挡以及车辆外观相似度高等问题；通过基于记忆网络模型和问询模型组成车辆重识别模型；基于图像数据集对车辆重识别模型进行训练，得到目标车辆重识别模型；解决了现有技术单纯依靠车辆的外观特征进行重识别在多摄像头场景下存在一定的局限性的技术问题。

主权项：1.基于时序网络多摄像头车辆重识别的方法，其特征在于，包括：步骤一：获取车辆在若干摄像头下的图像数据；步骤二：通过对图像数据进行预处理，得到图像数据集；步骤三：基于记忆网络模型和问询模型组成车辆重识别模型；步骤四：基于图像数据集对车辆重识别模型进行训练，得到目标车辆重识别模型；步骤五：基于目标车辆重识别模型对车辆进行车辆重识别；所述基于记忆网络模型和问询模型组成车辆重识别模型，包括：基于时序卷积网络构建记忆网络模型，以及构建问询模型；所述基于时序卷积网络构建记忆网络模型，包括：将三个因果卷积层和一个扩展卷积层构成一个模组，并将若干个模组堆叠在一起，构成记忆网络模型；将图像数据集标记为x=[x1,x2,x3,…,xT]；其中，T是图像数据集中含有若干条数据的总数；通过将x输入记忆网络模型，应用因果卷积和扩展卷积得到输出序列y；其中，y=[y1,y2,y3,…,yT]，且y为512维向量；整个过程具体表示为：因果卷积层： ；其中，y[t]是输出序列在时间步t的值，w[i]是卷积核中第i个位置的权重，x[t-i]是输入序列在时间步t-i的值；拓展卷积层： ；其中，y[t]是输出序列在时间步t的值，w[i]是卷积核中第i个位置的权重，x[t-d×i]是输入序列在时间步t-d×i的值，d是扩展率，控制卷积核中元素的间隔；所述构建问询模型，包括：问询模型采用Resnet18网络提取目标车辆图像的特征；其中，Resnet18由多个残差模块堆叠而成；目标车辆图像是指需要进行车辆重识别的车辆图像；残差模块的结构如下：卷积层一：FX=σW1×X+b1；其中，W1是第一个卷积层的权重，b1是偏置项，σ是ReLU激活函数，X是问询模型的输入数据；卷积层二：FFx=σW2×Fx+b2；其中，F（x）为第一层卷积输出，W2是第二个卷积层的权重，b2是偏置项；恒等映射：Y=FFx+Wid×X；其中，Wid是1×1卷积核用于维度转换，Y为输出的512维度向量。

全文数据：

权利要求：

百度查询： 合肥人工智能与大数据研究院有限公司 安徽治数科技有限公司 基于时序网络多摄像头车辆重识别的方法及系统