车辆识别方法、系统、装置、介质及电子设备与流程

本公开涉及图像处理，具体而言，涉及一种车辆识别方法、装置、计算机可读介质及电子设备。

背景技术：

1、一般来说，对于监控画面中重要信息的提取依赖的是人工，但是，这种方式存在效率较低的问题。

2、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开实施例的目的在于提供一种车辆识别方法、车辆识别装置、计算机可读介质及电子设备，能够基于车辆图像对应的图像格式选择适应的图像处理方式，并基于处理后的图像进行特征提取，以与需要查询的车辆特征进行比对，从而可以及时确定出中包含特定车辆的图像，提升了对于图像信息的提取效率以及提取的自动化程度，降低人工成本。

2、本公开实施例的第一方面提供了一种车辆识别方法，包括：

3、获取车辆图像并确定车辆图像对应的图像格式；

4、根据与图像格式对应的处理方式将车辆图像处理为符合预设参数条件的参考图像；

5、基于特征提取网络提取参考图像对应的特征向量；

6、若待查询车辆图像对应的预设特征向量与特征向量之间的相似度小于预设相似度，则将车辆图像中包含的车辆确定为待查询车辆。

7、在本公开的一种示例性实施例中，根据与图像格式对应的处理方式将车辆图像处理为符合预设参数条件的参考图像，包括：

8、若图像格式用于表征车辆图像为彩色图像，则将车辆图像处理为单通道的灰度图像，并通过第一预设值对灰度图像进行通道填充，以将灰度图像处理为符合预设参数条件的参考图像；

9、若图像格式用于表征车辆图像为红外图像，则通过第二预设值对红外图像进行通道填充，以将红外图像处理为符合预设参数条件的参考图像；

10、其中，预设参数条件用于限定图像通道数量。

11、在本公开的一种示例性实施例中，获取车辆图像，包括：

12、对待检测视频逐帧进行车辆检测；

13、若检测到待检测视频中包含车辆的目标视频帧，则截取目标视频帧中包含车辆的局部图像作为车辆图像。

14、在本公开的一种示例性实施例中，上述方法还包括：

15、基于特征提取模型提取待查询车辆图像对应的特征向量作为预设特征向量；

16、计算预设特征向量与参考图像对应的特征向量之间的距离，距离包括欧式距离或余弦距离；

17、若距离小于预设距离，则判定预设特征向量与参考图像对应的特征向量之间的相似度小于预设相似度。

18、本公开实施例的第二方面提供了一种车辆识别系统，该系统包括多个边缘服务器和中心服务器，其中：

19、多个边缘服务器中各边缘服务器，用于根据本地数据训练包含全局模型的本地特征提取网络，并将训练后的本地特征提取网络参数上报至中心服务器；

20、中心服务器，用于根据多个边缘服务器分别上报的本地特征提取网络参数更新全局模型，并将更新后的全局模型对应的模型参数下发至多个边缘服务器；

21、多个边缘服务器中各边缘服务器，还用于根据模型参数更新本地特征提取网络；

22、多个边缘服务器中各边缘服务器，还用于获取车辆图像并确定车辆图像对应的图像格式；根据与图像格式对应的处理方式将车辆图像处理为符合预设参数条件的参考图像；基于更新后的本地特征提取网络提取参考图像对应的特征向量；若待查询车辆图像对应的预设特征向量与特征向量之间的相似度小于预设相似度，则将车辆图像中包含的车辆确定为待查询车辆。

23、在本公开的一种示例性实施例中，中心服务器，还用于在多个边缘服务器中各边缘服务器根据本地数据训练包含全局模型的本地特征提取网络之前，从多个边缘服务器中筛选至少一个目标边缘服务器，并获取各目标边缘服务器对应的本地特征提取网络的网络参数；

24、中心服务器，还用于根据网络参数初始化全局模型，并将全局模型的初始化参数下发至多个边缘服务器中各边缘服务器；

25、多个边缘服务器中各边缘服务器，还用于将初始化参数应用于本地特征提取网络；

26、以及，多个边缘服务器中各边缘服务器根据本地数据训练包含全局模型的本地特征提取网络，包括：

27、多个边缘服务器中各边缘服务器根据本地数据训练包含全局模型且应用初始化参数的本地特征提取网络。

28、在本公开的一种示例性实施例中，中心服务器根据多个边缘服务器分别上报的本地特征提取网络参数更新全局模型，包括：

29、融合多个边缘服务器分别上报的本地特征提取网络参数，得到融合结果；

30、根据融合结果更新全局模型。

31、在本公开的一种示例性实施例中，多个边缘服务器中各边缘服务器将训练后的本地特征提取网络参数上报至中心服务器，包括：

32、多个边缘服务器中各边缘服务器对训练后的本地特征提取网络参数进行加密，并将加密后的本地特征提取网络参数上报至中心服务器；

33、以及，中心服务器将更新后的全局模型对应的模型参数下发至多个边缘服务器，包括：

34、中心服务器对更新后的全局模型对应的模型参数进行加密，并将加密后的模型参数下发至多个边缘服务器。

35、本公开实施例的第三方面提供了一种车辆识别装置，该装置包括：图像格式确定单元、图像处理单元、特征提取单元和车辆识别单元，其中：

36、图像格式确定单元，用于获取车辆图像并确定车辆图像对应的图像格式；

37、图像处理单元，用于根据与图像格式对应的处理方式将车辆图像处理为符合预设参数条件的参考图像；

38、特征提取单元，用于基于特征提取网络提取参考图像对应的特征向量；

39、车辆识别单元，用于在待查询车辆图像对应的预设特征向量与特征向量之间的相似度小于预设相似度时，将车辆图像中包含的车辆确定为待查询车辆。

40、在本公开的一种示例性实施例中，图像格式确定单元根据与图像格式对应的处理方式将车辆图像处理为符合预设参数条件的参考图像，包括：

41、若图像格式用于表征车辆图像为彩色图像，则将车辆图像处理为单通道的灰度图像，并通过第一预设值对灰度图像进行通道填充，以将灰度图像处理为符合预设参数条件的参考图像；

42、若图像格式用于表征车辆图像为红外图像，则通过第二预设值对红外图像进行通道填充，以将红外图像处理为符合预设参数条件的参考图像；

43、其中，预设参数条件用于限定图像通道数量。

44、在本公开的一种示例性实施例中，图像格式确定单元获取车辆图像，包括：

45、对待检测视频逐帧进行车辆检测；

46、若检测到待检测视频中包含车辆的目标视频帧，则截取目标视频帧中包含车辆的局部图像作为车辆图像。

47、在本公开的一种示例性实施例中，上述装置还包括：

48、相似度判定单元，用于基于特征提取模型提取待查询车辆图像对应的特征向量作为预设特征向量；计算预设特征向量与参考图像对应的特征向量之间的距离，距离包括欧式距离或余弦距离；若距离小于预设距离，则判定预设特征向量与参考图像对应的特征向量之间的相似度小于预设相似度。

49、根据本公开实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现如上述实施例中第一方面所述的车辆识别方法。

50、根据本公开实施例的第五方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上述实施例中第一方面所述的车辆识别方法。

51、根据本公开实施例的第六方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的各种可选实现方式中提供的方法。

52、本公开实施例提供的技术方案可以包括以下有益效果：

53、在本公开的一些实施例所提供的技术方案中，可以获取车辆图像并确定车辆图像对应的图像格式；根据与图像格式对应的处理方式将车辆图像处理为符合预设参数条件的参考图像；基于特征提取网络提取参考图像对应的特征向量；若待查询车辆图像对应的预设特征向量与特征向量之间的相似度小于预设相似度，则将车辆图像中包含的车辆确定为待查询车辆。实施本公开的实施例，一方面，能够基于车辆图像对应的图像格式选择适应的图像处理方式，并基于处理后的图像进行特征提取，以与需要查询的车辆特征进行比对，从而可以及时确定出中包含特定车辆的图像，提升了对于图像信息的提取效率以及提取的自动化程度，降低人工成本。另一方面，能够应用于不同格式的图像文件，可以提升方案的应用广度以及方案的泛化程度。

54、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。