1.一种车辆搜索方法,其特征在于,所述方法包括:
获得目标车辆的第一图像;
从所述第一图像中提取所述目标车辆的第一外观视觉特征;
从若干第二图像中分别提取被搜索车辆的第二外观视觉特征;其中,所述第二图像为存储在车辆监控图像数据库中的图像;
根据所述第一外观视觉特征与每一所述第二外观视觉特征,计算所述第一图像与每一所述第二图像的外观相似度距离;
从所述若干第二图像中选定若干图像作为若干第三图像;
确定所述第一图像中的第一车牌区域和每一所述第三图像中的第二车牌区域;
将所述第一车牌区域和每一所述第二车牌区域分别输入预设的Siamese神经网络模型,获得所述第一车牌区域对应的第一车牌特征,和每一所述第二车牌区域对应的第二车牌特征;
根据所述第一车牌特征和每一所述第二车牌特征,计算所述第一图像与每一所述第三图像的车牌特征相似度距离;
根据所述外观相似度距离和所述车牌特征相似度距离,计算所述第一图像与每一所述第三图像的视觉相似度距离;
将所述若干第三图像按所述视觉相似度距离的大小升序排列,获得所述目标车辆的第一搜索结果。
2.根据权利要求1所述的方法,其特征在于,所述从所述若干第二图像中选定若干图像作为若干第三图像的步骤,包括:
将所述若干第二图像按所述外观相似度距离的大小升序排列,获得所述目标车辆的第二搜索结果;
将所述第二搜索结果中排名在第一阈值前的若干第二图像确定为若干第三图像。
3.根据权利要求1所述的方法,其特征在于,在所述计算所述第一图像与每一所述第三图像的视觉相似度距离的步骤后,所述方法还包括:
根据所述第一图像和每一所述第三图像中包括的时空元数据,计算所述第一图像与每一所述第三图像的时空相似度;
根据所述视觉相似度距离和所述时空相似度,计算所述第一图像与每一所述第三图像的最终相似度距离;
将所述若干第三图像按所述最终相似度距离的大小升序排列,获得所述目标车辆的第三搜索结果。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
将所述第一搜索结果中排名在第二阈值前的若干图像确定为若干第四图像;
根据所述第一图像和每一所述第四图像中包括的时空元数据,计算所述第一图像与每一所述第四图像的时空相似度;
根据所述视觉相似度距离和所述时空相似度,计算所述第一图像与每一所述第四图像的最终相似度距离;
将所述若干第四图像按所述最终相似度距离的大小升序排列,获得所述目标车辆的第四搜索结果。
5.根据权利要求3所述的方法,其特征在于,所述计算所述第一图像与每一所述第三图像的时空相似度的步骤,包括:
使用第一预设模型计算所述第一图像与每一所述第三图像的时空相似度;其中,所述第一预设模型为:
其中,ST(i,j)为所述时空相似度,Ti为拍摄所述第一图像的拍摄时间,Tj为拍摄所述第三图像的拍摄时间,δ(Ci,Cj)为拍摄所述第一图像的摄像头Ci与拍摄所述第三图像的摄像头Cj之间的距离,Tmax为拍摄所述第一图像与拍摄所述若干第三图像中的所有第三图像的时间差的绝对值中的最大值,Dmax为拍摄所述第一图像和拍摄所述若干第三图像中每一第三图像的所有摄像头之间的距离中的最大值。
6.根据权利要求5所述的方法,其特征在于,所述计算所述第一图像与每一所述第三图像的最终相似度距离的步骤,包括:
使用第二预设模型计算所述第一图像与每一所述第三图像的最终相似度距离;其中,所述第二预设模型为:
D=Dvisual×ST(i,j),其中,D为所述最终相似度距离,Dvisual为所述视觉相似度距离。
7.根据权利要求1所述的方法,其特征在于,
所述第一外观视觉特征包括:第一纹理特征、第一颜色特征和第一语义属性特征;
所述第二外观视觉特征包括:第二纹理特征、第二颜色特征和第二语义属性特征;
所述根据所述第一外观视觉特征与每一所述第二外观视觉特征,计算所述第一图像与每一所述第二图像的外观相似度距离的步骤,包括:
对所述第一图像与每一所述第二图像分别执行如下步骤:
根据所述第一纹理特征和所述第二纹理特征,计算纹理相似度距离;
根据所述第一颜色特征和所述第二颜色特征,计算颜色相似度距离;
根据所述第一语义属性特征和所述第二语义属性特征,计算语义属性相似度距离;
根据所述纹理相似度距离、所述颜色相似度距离、所述语义属性相似度距离和第三预设模型,计算所述第一图像与该第二图像的外观相似度距离;其中,所述第三预设模型为:
Dappearance=α×dtexture+β×dcolor+(1-α-β)×dattribute,其中,Dappearance为所述外观相似度距离,dtexture为所述纹理相似度距离,dcolor为所述颜色相似度距离,dattribute为所述语义属性相似度距离,α和β为经验权值。
8.根据权利要求1所述的方法,其特征在于,所述计算所述第一图像与每一所述第三图像的视觉相似度距离的步骤,包括:
使用第五预设模型计算所述第一图像与每一所述第三图像的视觉相似度距离;其中,所述第五预设模型为:
Dvisual=γ×Dappearance+(1-γ)×Dplate,其中,Dvisual为所述视觉相似度距离,Dappearance为所述外观相似度距离,Dplate为所述车牌特征相似度距离,γ为经验权值。
9.一种车辆搜索装置,其特征在于,所述装置包括:
第一图像获取模块,用于获得目标车辆的第一图像;
第一外观特征提取模块,用于从所述第一图像中提取所述目标车辆的第一外观视觉特征;
第二外观特征提取模块,用于从若干第二图像中分别提取被搜索车辆的第二外观视觉特征;其中,所述第二图像为存储在车辆监控图像数据库中的图像;
第一计算模块,用于根据所述第一外观视觉特征与每一所述第二外观视觉特征,计算所述第一图像与每一所述第二图像的外观相似度距离;
第一选定模块,用于从所述若干第二图像中选定若干图像作为若干第三图像;
车牌区域确定模块,用于确定所述第一图像中的第一车牌区域和每一所述第三图像中的第二车牌区域;
车牌特征获取模块,用于将所述第一车牌区域和每一所述第二车牌区域分别输入预设的Siamese神经网络模型,获得所述第一车牌区域对应的第一车牌特征,和每一所述第二车牌区域对应的第二车牌特征;
第二计算模块,用于根据所述第一车牌特征和每一所述第二车牌特征,计算所述第一图像与每一所述第三图像的车牌特征相似度距离;
第三计算模块,用于根据所述外观相似度距离和所述车牌特征相似度距离,计算所述第一图像与每一所述第三图像的视觉相似度距离;
第一搜索结果获取模块,用于将所述若干第三图像按所述视觉相似度距离的大小升序排列,获得所述目标车辆的第一搜索结果。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第四计算模块,用于在触发所述第三计算模块后,根据所述第一图像和每一所述第三图像中包括的时空元数据,计算所述第一图像与每一所述第三图像的时空相似度;
第五计算模块,用于根据所述视觉相似度距离和所述时空相似度,计算所述第一图像与每一所述第三图像的最终相似度距离;
第三搜索结果获取模块,用于将所述若干第三图像按所述最终相似度距离的大小升序排列,获得所述目标车辆的第三搜索结果。