CN111753118A - 车辆检索方法、装置、电子设备及可读存储介质 - Google Patents
车辆检索方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111753118A CN111753118A CN201910251882.1A CN201910251882A CN111753118A CN 111753118 A CN111753118 A CN 111753118A CN 201910251882 A CN201910251882 A CN 201910251882A CN 111753118 A CN111753118 A CN 111753118A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- retrieval
- target vehicle
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000003999 initiator Substances 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种车辆检索方法、装置、电子设备及可读存储介质,该方法包括:接收车辆检索模式选择指令;其中,车辆检索模式的种类大于等于2,所述车辆检索模式选择指令中携带有目标车辆检索模式;确定与所述目标车辆检索模式对应的目标车辆特征信息;根据所述目标车辆特征信息进行车辆检索,以确定与所述目标车辆特征信息匹配的目标车辆图片;将所述目标车辆图片返回给车辆检索发起方。该方法可以提高车辆检索的灵活性。
Description
技术领域
本申请涉及视频监控技术,尤其涉及一种车辆检索方法、装置、电子设备及可读存储介质。
背景技术
视频监控***作为社会安全管理的重要技术手段,在社会治安维护领域的应用和部署越来越广。
车辆检索是视频监控***在道路交通领域的应用中的一个热门研究方向,其目的在于从数据库中检索出与用户提供的车辆属性信息匹配的车辆。
然而实践发现,目前的车辆检索方案中,其检索条件通常固定为车辆属性信息,检索方式单一,灵活性较差。
发明内容
有鉴于此,本申请提供一种车辆检索方法、装置、电子设备及可读存储介质。
具体地,本申请是通过如下技术方案实现的:
根据本申请实施例的第一方面,提供一种车辆检索方法,包括:
接收车辆检索模式选择指令;其中,车辆检索模式的种类大于等于2,所述车辆检索模式选择指令中携带有目标车辆检索模式;
确定与所述目标车辆检索模式对应的目标车辆特征信息;
根据所述目标车辆特征信息进行车辆检索,以确定与所述目标车辆特征信息匹配的目标车辆图片;
将所述目标车辆图片返回给车辆检索发起方。
根据本申请实施例的第二方面,提供一种车辆检索装置,包括:
接收单元,用于接收车辆检索模式选择指令;其中,车辆检索模式的种类大于等于2,所述车辆检索模式选择指令中携带有目标车辆检索模式;
确定单元,用于确定与所述目标车辆检索模式对应的目标车辆特征信息;
检索单元,用于根据所述目标车辆特征信息进行车辆检索,以确定与所述目标车辆特征信息匹配的目标车辆图片;
发送单元,用于将所述目标车辆图片返回给车辆检索发起方。
根据本申请实施例的第三方面,提供一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述车辆检索方法。
根据本申请实施例的第四方面,提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述车辆检索方法。
本申请实施例的车辆检索方法,通过接收车辆检索模式选择指令,并根据车辆检索模式选择指令中携带的目标车辆特征信息进行车辆检索,以确定与目标车辆特征信息匹配的目标车辆图片,进而,将目标车辆图片返回给车辆检索发起方,提高了车辆检索的灵活性。
附图说明
图1为本申请一示例性实施例示出的一种车辆检索方法的流程示意图;
图2A为本申请一示例性实施例示出的一种车辆检索界面的示意图;
图2B为本申请又一示例性实施例示出的一种车辆检索界面的示意图;
图3为本申请一示例性实施例示出的一种车辆检索装置的结构示意图;
图4为本申请又一示例性实施例示出的一种车辆检索装置的结构示意图;
图5为本申请一示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,并使本申请实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请实施例中技术方案作进一步详细的说明。
请参见图1,为本申请实施例提供的一种车辆检索方法的流程示意图,如图1所示,该车辆检索方法可以包括以下步骤:
步骤S100、接收车辆检索模式选择指令;其中,车辆检索模式的种类大于等于2,车辆检索模式选择指令中携带有目标车辆检索模式。
本申请实施例中,为了提高车辆检索的灵活性,可以提供多种车辆检索模式,例如,根据车辆属性信息进行车辆检索(本文中称为属性检索模式),或,根据车辆模型进行车辆检索(本文中称为模型检索模式)等。
相应地,在本申请实施例中,当需要进行车辆检索时,可以指定车辆检索模式。
步骤S110、确定与目标车辆检索模式对应的目标车辆特征信息。
本申请实施例中,当接收到车辆检索模式选择指令时,可以获取该车辆检索模式指令中携带的车辆检索模式(本文中称为目标车辆检索模式),并确定与目标车辆检索模式对应的车辆特征信息(本文中称为目标车辆特征信息)。
可选地,车辆属性信息可以包括但不限于车辆品牌、车身颜色、车辆类型以及车牌号等属性信息中的一个或多个。
在一个示例中,当目标车辆检索模式为属性检索模式时,确定与目标检索模式对应的目标车辆特征信息,可以包括:
确定与目标车辆检索模式对应的目标车辆特征信息为目标车辆属性信息。
在另一个示例中,当目标车辆检索模式为模型检索模式时,确定与目标检索模式对应的目标车辆特征信息,可以包括:
确定与所述目标车辆检索模式对应的目标车辆特征信息为目标车辆模型。
步骤S120、根据目标车辆特征信息进行车辆检索,以确定与目标车辆特征信息匹配的目标车辆图片。
本申请实施例中,确定了与目标车辆检索模式对应的目标车辆特征信息时,可以根据目标车辆特征信息进行车辆检索,以确定与目标车辆特征信息匹配的车辆图片(本文中称为目标车辆图片)。
例如,可以根据目标车辆特征信息检索数据库中存储的车辆图片信息,该车辆图片信息可以包括车辆图片,以及车辆图片对应的车辆特征信息,以确定车辆特征信息与该目标车辆特征信息匹配的目标车辆图片。
在本申请其中一个实施例中,当车辆检索模式为属性检索模式时,上述根据目标车辆特征信息进行车辆检索,以确定与目标车辆特征信息匹配的目标车辆图片,可以包括:
比较目标车辆属性信息与数据库中存储的车辆图片的车辆属性信息;
将车辆属性信息与目标车辆属性信息匹配的车辆图片确定为目标车辆图片。
在该实施例中,当目标车辆检索模式为属性检索模式时,目标车辆特征信息为目标车辆属性信息。
在该实施例中,确定了目标车辆属性信息之后,可以比较目标车辆属性信息与数据库中存储的车辆图片的车辆属性信息,并将车辆属性信息与目标车辆属性信息匹配的车辆图片确定为目标车辆图片。
在本申请另一个实施例中,当车辆检索模式为模型检索模式时,上述根据目标车辆特征信息进行车辆检索,以确定与目标车辆特征信息匹配的目标车辆图片,可以包括:
比较目标车辆模型与数据库中存储的车辆图片的车辆模型;
将车辆模型与目标车辆模型匹配的车辆图片确定为目标车辆图片。
在该实施例中,当目标车辆检索模式为模型检索模式时,目标车辆特征信息为目标车辆模型。
在该实施例中,确定了目标车辆模型之后,可以比较目标车辆模型与数据库中存储的车辆图片的车辆模型,并将车辆模型与目标车辆模型匹配的车辆图片确定为目标车辆图片。
在一个示例中,上述将车辆模型与目标车辆模型匹配的车辆图片确定为目标车辆图片,可以包括:
将车辆模型与目标车辆模型的相似度高于目标相似度阈值车辆图片确定为目标车辆图片;
其中,目标相似度阈值为车辆检索请求中携带的相似度阈值或缺省相似度阈值。
在该示例中,当车辆检索模式为模型检索模式时,可以计算目标车辆模型与数据库中存在的各车辆图片的车辆模型的相似度,并将车辆模型与目标车辆模型的相似度超过目标相似度阈值的车辆图片确定为目标车辆图片。
举例来说,当用户发起车辆检索时,若用户选择模型检索模式,则可以在车辆检索发起界面中选择或输入相似度阈值,当进行车辆检索时,可以将该相似度阈值作为目标相似度阈值进行车辆检索。
又举例来说,当哟用户发起车辆检索,若用户选择模型检索模式,但未指定相似度阈值,则可以将预先设定的缺省相似度阈值作为目标相似度阈值进行车辆检索。
步骤S130、将目标车辆图片返回给车辆检索发起方。
本申请实施例中,确定了目标车辆图片之后,可以将目标车辆图片作为车辆检索结果返回给车辆检索发起方。
可见,在图1所示方法流程中,通过设置多种车辆检索模式,当进行车辆检索时,可以选择车辆检索模式,从而提高了车辆检索的灵活性。
进一步地,在本申请其中一个实施例中,上述接收车辆检索模式选择指令之前,还可以包括:
接收车辆检索请求,该车辆检索请求中携带有待检索车辆的图片;
利用预先训练的智能算法模型从待检索车辆的图片中提取待检索车辆的属性信息以及车辆模型。
在该实施例中,用户在选择车辆检索模式之前,可以先提交携带待检索车辆的图片的车辆检索请求。
相应地,当接收到车辆检索请求时,可以获取该车辆检索请求中携带的待检索车辆的图片,并将该待检索车辆的图片输入到预先训练的智能算法模型中,利用预先训练的智能算法模型从待检索车辆的图片中提取待检索车辆的属性信息以及车辆模型。
其中,该预先训练的智能算法模型可以为卷积神经网络模型,其可以通过深度学习算法进行智能分析。
在该实施例中,得到了待检索车辆的属性信息以及车辆模型之后,可以根据车辆检索模式选择指令中携带的目标车辆检索模式,按照上述实施例中描述的方式进行车辆检索。
举例来说,当目标车辆检索模式为属性检索模式时,可以将待检索车辆的属性信息确定为目标车辆特征信息,并按照上述实施例中描述的方式进行车辆检索。
又举例来说,当目标车辆检索模式为模型检索模式时,可以将待检索车辆的车辆模型确定为目标车辆特征信息,并按照上述实施例中描述的方式进行车辆检索。
进一步地,在该实施例中,车辆检索请求中还可以携带待检索车辆的属性信息,即在提交车辆检索请求时,除了可以上传待检索车辆的图片之外,还可以上传待检索车辆的属性信息。
相应地,在一个示例中,上述利用预先训练的智能算法模型从待检索车辆的图片中提取待检索车辆的属性信息以及车辆模型之后,还可以包括:
根据所提取的待检索车辆的属性信息以及车辆检索请求中携带的待检索车辆的属性信息,确定用于进行车辆检索的车辆属性信息。
在该示例中,当车辆检索请求中携带有待检索车辆的属性信息(本文中称为第一属性信息)时,则按照上述实施例中描述的方式提取了待检索车辆的属性信息(本文中称为第二属性信息)之后,可以根据该第一属性信息和第二属性信息确定用于进行车辆检索的车辆属性信息(本文中称为第三属性信息)。
对于任一待检索车辆,可以比较第一属性信息和第二属性信息,对于第一属性信息中存在,但第二属性信息中不存在的属性信息,或第一属性信息中不存在,但第二属性信息中存在的属性信息,加入到第三属性信息;对于第一属性信息和第二属性信息中均存在的属性信息,将第二属性信息(或第一属性信息)中的属性信息加入到第三属性信息,进而,得到用于进行车辆检索的第三车辆属性信息。
需要说明的是,在该示例中,也可以直接将第一属性信息或第二属性信息作为进行车辆检索的第三属性信息。
在本申请另一个实施例中,上述确定与目标车辆检索模式对应的目标车辆特征信息之前,还可以包括:
接收车辆检索请求,车辆检索请求中携带有待检索车辆的图片;
确定与目标车辆检索模式对应的目标车辆特征信息,可以包括:
利用预先训练的智能算法模型从待检索车辆的图片中提取与目标车辆检索模式对应的目标车辆特征信息。
在该实施例中,接收到车辆检索请求,并获取到车辆检索请求中携带的待检索车辆的图片之后,可以先不对该待检索车辆的图片进行分析,而是在接收到车辆检索模式的选择指令之后,根据该车辆检索模式选择指令中携带的目标车辆检索模式,利用预先训练的智能算法模型从待检索车辆的图片中提取与目标车辆检索模式对应的目标车辆特征信息。
举例来说,假设目标车辆检索模式为属性检索模式,则可以利用预先训练的智能算法模型从待检索车辆的图片中提取待检索车辆的图片的车辆属性信息。
又举例来说,假设目标车辆检索模式为模型检索模式,则可以利用预先训练的智能算法模型从待检索车辆的图片中提取待检索车辆的图片的车辆模型。
需要说明的是,在本申请实施例中,上述车辆检索模式选择指令也可以直接携带在车辆检索请求中,即车辆检索请求中可以携带车辆检索模式选择指令以及待检索车辆的图片,进而,当接收到车辆检索请求时,可以直接利用预先训练的智能算法模型从待检索车辆的图片中提取与目标车辆检索模式对应的目标车辆特征信息,其具体实现在此不做赘述。
进一步地,在本申请实施例中,考虑到在实际视频监控场景中,通常会存在多个前端视频采集设备(如IPC(Internet Protocol Camera,网络摄像机)),不同前端视频采集设备对应不同通道,当进行车辆检索时,还可以指定需要进行检索的通道的通道号。
相应地,在本申请其中一个实施例中,上述根据目标车辆特征信息进行车辆检索,以确定与目标车辆特征信息匹配的目标车辆图片,可以包括:
确定数据库存储的目标通道车辆图片;其中,目标通道车辆图片为车辆检索请求中携带的目标通道号对应的车辆图片;
比较目标车辆特征信息与目标通道车辆图片的车辆特征信息;
将与车辆特征信息与目标车辆特征信息匹配的目标通道车辆图片确定为目标车辆图片。
在该实施例中,数据库中存储的车辆图片信息中还记录了车辆图片的通道号。
举例来说,假设IPC1对应的通道号为C1,则数据库中存储的IPC1抓拍的车辆图片的通道号为C1。
在该实施例中,当接收到车辆检索请求时,可以根据该车辆检索请求中携带的通道号(本文中称为目标通道号)查询数据库中存储的车辆图片信息,以确定与该目标通道号对应的车辆图片(本文中称为目标通道车辆图片)。
确定了目标通道车辆图片之后,可以比较目标车辆特征信息(可以为车辆属性信息或车辆模型)与目标通道车辆图片的车辆特征信息,并将车辆特征信息与目标车辆特征信息匹配的目标通道车辆图片确定为目标车辆图片。
需要说明的是,在本申请实施例中,车辆检索请求中除了可以携带上述实施例中描述的信息之外,还可以携带其他信息,如检索时间段,相应地,进行车辆检索时,还可以根据该其他信息确定最终返回的目标车辆图片,例如,将数据库中存储的时间信息处于检索时间段内的车辆图片中与目标车辆特征信息匹配的车辆图片确定为目标车辆图片,其具体实现在此不做赘述。
此外,在本申请实施例中,为了提高车辆检索的准确性,也可以同时按照车辆属性信息和车辆模型进行车辆检索(对应的模式可以称为综合检索模式),在该检索模式下,可以将数据库中存储的车辆属性信息和车辆模型均与待检索车辆的车辆属性信息和车辆模型匹配的车辆图片确定为目标车辆图片,其具体实现在此不做赘述。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,下面结合具体实例对本申请实施例提供的技术方案进行说明。
在该实施例中,以NVR(Network Video Recorder,网络硬盘录像机)为进行车辆检索的检索设备为例,其中,NVR中加载有具有智能分析功能的智能芯片。
但应该认识到,在本申请实施例中,用于进行车辆检索的检索设备并不限于NVR,也可以为其它具有车辆检索功能,并按照上述实施例中描述的方式进行车辆检索的其他检索设备。
在该实施例中,车辆检索方案实现流程如下:
实施例一
1、接收车辆检索模式选择指令,并获取其中携带的车辆检索模式;
2、若车辆检索模式为属性检索模式,则接收通过车辆检索界面提交的待检索车辆的图片或/和待检索车辆的属性信息;
其中,属性检索模式的车辆检索界面的示意图可以参见图2A,如图2A所示,通过该车辆检索界面,除了可以上传待检索车辆的图片(可以称为样本)、输入或选择车辆属性信息(如车辆品牌、车身颜色、车辆类型以及车牌号)之外,还可以选择或输入通道号以及检索时间段(即从该时间段内的车辆图片中检索匹配的目标车辆图片);
3、确定用于进行车辆检索的车辆属性信息,并根据待检索车辆的车辆属性查询数据库中存储的车辆图片信息,其中,该车辆图片信息包括车辆图片、对应的车辆属性信息和车辆模型;
其中,若接收到通过车辆检索界面上传的样本,则NVR可以利用预先训练的智能算法模型对样本进行智能分析,提取样本中的车辆属性信息;
4、将车辆属性信息与待检索车辆的车辆属性信息匹配的车辆图片确定为目标车辆图片,并将该车辆图片返回给车辆检索发起方;
5、若车辆检索模式为模型检索模式,则接收通过车辆检索界面提交的待检索车辆的图片;
其中,模型检索模式的车辆检索界面的示意图可以参见2B,如图2B所示,通过该车辆检索界面,除了可以上传待检索车辆的图片之外,还可以选择或输入通道号、检索时间段以及相似度阈值;
需要说明的是,在该实施例中,对于模型检索模式,支持多张样本上传,此时,NVR需要将与各样本均匹配的目标车辆图片返回给车辆检索发起方,其具体实现在此不做赘述。
6、确定用于进行车辆检索的车辆模型,根据待检索车辆的车辆属性查询数据库中存储的车辆图片信息;
其中,NVR可以利用预先训练的智能算法模型对样本进行智能分析,提取样本中的车辆模型;
7、将车辆模型与待检索车辆的车辆模型的相似度超过目标相似度阈值的车辆图片确定为目标车辆图片,并将该车辆图片返回给车辆检索发起方;
其中,目标相似度阈值可以为通过车辆检索界面提交的相似度阈值,或缺省相似度阈值(未接收到通过车辆检索界面提交的相似度阈值的情况下)。
实施例二
1、用户登录车辆检索界面,上传样本(即待检索车辆的图片),向NVR发送车辆检索请求;
2、NVR利用预先训练的智能算法模型对样本进行智能分析,提取样本中的车辆属性信息和车辆模型;
3、接收车辆检索模式选择指令,并获取其中携带的车辆检索模式;
4、若车辆检索模式为属性检索模式,则根据待检索车辆的车辆属性查询数据库中存储的车辆图片信息,其中,该车辆图片信息包括车辆图片、对应的车辆属性信息和车辆模型;
5、将车辆属性信息与待检索车辆的车辆属性信息匹配的车辆图片确定为目标车辆图片,并将该车辆图片返回给车辆检索发起方;
6、若车辆检索模式为模型检索模式,则根据待检索车辆的车辆模型查询数据库中存储的车辆图片信息;
7、将车辆模型与待检索车辆的车辆模型匹配的车辆图片确定为目标车辆图片,并将该车辆图片返回给车辆检索发起方。
本申请实施例中,通过接收车辆检索模式选择指令,并根据车辆检索模式选择指令中携带的目标车辆特征信息进行车辆检索,以确定与目标车辆特征信息匹配的目标车辆图片,进而,将目标车辆图片返回给车辆检索发起方,提高了车辆检索的灵活性。
以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述:
请参见图3,为本申请实施例提供的一种车辆检索装置的结构示意图,如图3所示,该车辆检索装置可以包括:
接收单元310,用于接收车辆检索模式选择指令;其中,车辆检索模式的种类大于等于2,所述车辆检索模式选择指令中携带有目标车辆检索模式;
确定单元320,用于确定与所述目标车辆检索模式对应的目标车辆特征信息;
检索单元330,用于根据所述目标车辆特征信息进行车辆检索,以确定与所述目标车辆特征信息匹配的目标车辆图片;
发送单元340,用于将所述目标车辆图片返回给车辆检索发起方。
在一种可选的实施方式中,所述车辆检索模式包括属性检索模式或模型检索模式。
在一种可选的实施方式中,所述确定单元320,具体用于当所述目标车辆检索模式为属性检索模式时,确定与所述目标车辆检索模式对应的目标车辆特征信息为目标车辆属性信息;
所述检索单元330,具体用于比较所述目标车辆属性信息与数据库中存储的车辆图片的车辆属性信息;将车辆属性信息与所述目标车辆属性信息匹配的车辆图片确定为目标车辆图片。
在一种可选的实施方式中,所述确定单元320,具体用于当所述目标车辆检索模式为模型检索模式时,确定与所述目标车辆检索模式对应的目标车辆特征信息为目标车辆模型;
所述检索单元330,具体用于比较所述目标车辆模型与数据库中存储的车辆图片的车辆模型;将车辆模型与所述目标车辆模型匹配的车辆图片确定为目标车辆图片。
在一种可选的实施方式中,所述检索单元330,具体用于将车辆模型与所述目标车辆模型的相似度高于目标相似度阈值车辆图片确定为目标车辆图片;
其中,所述目标相似度阈值为车辆检索请求中携带的相似度阈值或缺省相似度阈值。
在一种可选的实施方式中,所述接收单元310,还用于接收车辆检索请求,所述车辆检索请求中携带有待检索车辆的图片;
如图4所示,所述装置还包括:
提取单元350,用于利用预先训练的智能算法模型从所述待检索车辆的图片中提取所述待检索车辆的属性信息以及车辆模型。
在一种可选的实施方式中,所述车辆检索请求中还携带有待检索车辆的属性信息;
所述确定单元320,具体用于根据所提取的所述待检索车辆的属性信息以及所述车辆检索请求中携带的所述待检索车辆的属性信息,确定用于进行车辆检索的车辆属性信息。
在一种可选的实施方式中,所述接收单元310,还用于接收车辆检索请求,所述车辆检索请求中携带有待检索车辆的图片;
所述确定单元320,具体用于利用预先训练的智能算法模型从所述待检索车辆的图片中提取与所述目标车辆检索模式对应的目标车辆特征信息。
在一种可选的实施方式中,所述检索单元330,具体用于确定数据库存储的目标通道车辆图片;其中,目标通道车辆图片为车辆检索请求中携带的目标通道号对应的车辆图片;比较所述目标车辆特征信息与目标通道车辆图片的车辆特征信息;将车辆特征信息与所述目标车辆特征信息匹配的目标通道车辆图片确定为目标车辆图片。
请参见图5,为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可以包括处理器501、通信接口502、存储器503和通信总线504。处理器501、通信接口502以及存储器503通过通信总线504完成相互间的通信。其中,存储器503上存放有计算机程序;处理器501可以通过执行存储器503上所存放的程序,执行上文描述的车辆检索方法。
本文中提到的存储器503可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,存储器502可以是:RAM(Radom AccessMemory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
本申请实施例还提供了一种存储有计算机程序的机器可读存储介质,例如图5中的存储器503,所述计算机程序可由图5所示电子设备中的处理器501执行以实现上文中描述的车辆检索方法。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (11)
1.一种车辆检索方法,其特征在于,包括:
接收车辆检索模式选择指令;其中,车辆检索模式的种类大于等于2,所述车辆检索模式选择指令中携带有目标车辆检索模式;
确定与所述目标车辆检索模式对应的目标车辆特征信息;
根据所述目标车辆特征信息进行车辆检索,以确定与所述目标车辆特征信息匹配的目标车辆图片;
将所述目标车辆图片返回给车辆检索发起方。
2.根据权利要求1所述的方法,其特征在于,所述车辆检索模式包括属性检索模式或模型检索模式。
3.根据权利要求2所述的方法,其特征在于,所述确定与所述目标车辆检索模式对应的目标车辆特征信息,包括:
当所述目标车辆检索模式为属性检索模式时,确定与所述目标车辆检索模式对应的目标车辆特征信息为目标车辆属性信息;
所述根据所述目标车辆特征信息进行车辆检索,以确定与所述目标车辆特征信息匹配的目标车辆图片,包括:
比较所述目标车辆属性信息与数据库中存储的车辆图片的车辆属性信息;
将车辆属性信息与所述目标车辆属性信息匹配的车辆图片确定为目标车辆图片;
或/和,
当所述目标车辆检索模式为模型检索模式时,确定与所述目标车辆检索模式对应的目标车辆特征信息为目标车辆模型;
所述根据所述目标车辆特征信息进行车辆检索,以确定与所述目标车辆特征信息匹配的目标车辆图片,包括:
比较所述目标车辆模型与数据库中存储的车辆图片的车辆模型;
将车辆模型与所述目标车辆模型匹配的车辆图片确定为目标车辆图片。
4.根据权利要求3所述的方法,其特征在于,当所述目标车辆检索模式为模型检索模式时,
所述将车辆模型与所述目标车辆模型匹配的车辆图片确定为目标车辆图片,包括:
将车辆模型与所述目标车辆模型的相似度高于目标相似度阈值车辆图片确定为目标车辆图片;
其中,所述目标相似度阈值为车辆检索请求中携带的相似度阈值或缺省相似度阈值。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述接收车辆检索模式选择指令之前,还包括:
接收车辆检索请求,所述车辆检索请求中携带有待检索车辆的图片;
利用预先训练的智能算法模型从所述待检索车辆的图片中提取所述待检索车辆的属性信息以及车辆模型。
6.根据权利要求5所述的方法,其特征在于,所述车辆检索请求中还携带有待检索车辆的属性信息;
所述利用预先训练的智能算法模型从所述待检索车辆的图片中提取所述待检索车辆的属性信息以及车辆模型之后,还包括:
根据所提取的所述待检索车辆的属性信息以及所述车辆检索请求中携带的所述待检索车辆的属性信息,确定用于进行车辆检索的车辆属性信息。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述确定与所述目标车辆检索模式对应的目标车辆特征信息之前,还包括:
接收车辆检索请求,所述车辆检索请求中携带有待检索车辆的图片;
所述确定与所述目标车辆检索模式对应的目标车辆特征信息,包括:
利用预先训练的智能算法模型从所述待检索车辆的图片中提取与所述目标车辆检索模式对应的目标车辆特征信息。
8.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述目标车辆特征信息进行车辆检索,以确定与所述目标车辆特征信息匹配的目标车辆图片,包括:
确定数据库存储的目标通道车辆图片;其中,目标通道车辆图片为车辆检索请求中携带的目标通道号对应的车辆图片;
比较所述目标车辆特征信息与目标通道车辆图片的车辆特征信息;
将车辆特征信息与所述目标车辆特征信息匹配的目标通道车辆图片确定为目标车辆图片。
9.一种车辆检索装置,其特征在于,包括:
接收单元,用于接收车辆检索模式选择指令;其中,车辆检索模式的种类大于等于2,所述车辆检索模式选择指令中携带有目标车辆检索模式;
确定单元,用于确定与所述目标车辆检索模式对应的目标车辆特征信息;
检索单元,用于根据所述目标车辆特征信息进行车辆检索,以确定与所述目标车辆特征信息匹配的目标车辆图片;
发送单元,用于将所述目标车辆图片返回给车辆检索发起方。
10.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-8任一所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251882.1A CN111753118A (zh) | 2019-03-29 | 2019-03-29 | 车辆检索方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251882.1A CN111753118A (zh) | 2019-03-29 | 2019-03-29 | 车辆检索方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753118A true CN111753118A (zh) | 2020-10-09 |
Family
ID=72671782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910251882.1A Pending CN111753118A (zh) | 2019-03-29 | 2019-03-29 | 车辆检索方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753118A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509118A (zh) * | 2011-09-28 | 2012-06-20 | 安科智慧城市技术(中国)有限公司 | 一种监控视频检索方法 |
CN103473327A (zh) * | 2013-09-13 | 2013-12-25 | 广东图图搜网络科技有限公司 | 图像检索方法与*** |
CN104575551A (zh) * | 2014-12-04 | 2015-04-29 | 青岛海信网络科技股份有限公司 | 一种车辆录像存储方法、车辆录像检索方法及相应的装置 |
CN104615998A (zh) * | 2015-02-15 | 2015-05-13 | 武汉大学 | 一种基于多视角的车辆检索方法 |
CN107423888A (zh) * | 2017-07-07 | 2017-12-01 | 北京中农苑生物科技研究所 | 一种基于大数据的农作物病虫害诊断***与方法 |
CN107766377A (zh) * | 2016-08-19 | 2018-03-06 | 华为技术有限公司 | 一种监控数据查询方法及装置 |
CN107861972A (zh) * | 2017-09-15 | 2018-03-30 | 广州唯品会研究院有限公司 | 一种用户录入商品信息后显示商品全结果的方法及设备 |
-
2019
- 2019-03-29 CN CN201910251882.1A patent/CN111753118A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509118A (zh) * | 2011-09-28 | 2012-06-20 | 安科智慧城市技术(中国)有限公司 | 一种监控视频检索方法 |
CN103473327A (zh) * | 2013-09-13 | 2013-12-25 | 广东图图搜网络科技有限公司 | 图像检索方法与*** |
CN104575551A (zh) * | 2014-12-04 | 2015-04-29 | 青岛海信网络科技股份有限公司 | 一种车辆录像存储方法、车辆录像检索方法及相应的装置 |
CN104615998A (zh) * | 2015-02-15 | 2015-05-13 | 武汉大学 | 一种基于多视角的车辆检索方法 |
CN107766377A (zh) * | 2016-08-19 | 2018-03-06 | 华为技术有限公司 | 一种监控数据查询方法及装置 |
CN107423888A (zh) * | 2017-07-07 | 2017-12-01 | 北京中农苑生物科技研究所 | 一种基于大数据的农作物病虫害诊断***与方法 |
CN107861972A (zh) * | 2017-09-15 | 2018-03-30 | 广州唯品会研究院有限公司 | 一种用户录入商品信息后显示商品全结果的方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046266B (zh) | 一种照片的智能管理方法及装置 | |
CN101911098B (zh) | 根据图像和位置识别图像环境 | |
WO2016119368A1 (zh) | 目标跟踪方法及装置 | |
JP2005510775A (ja) | コンテンツをカテゴリ化するためのカメラメタデータ | |
WO2012132532A1 (ja) | 映像処理システム、映像コンテンツ監視方法、映像処理装置及びその制御方法と制御プログラムを格納した記憶媒体 | |
CN107392178B (zh) | 监控方法及*** | |
JP2020137069A5 (zh) | ||
JP7382465B2 (ja) | 車両データ収集システム及びその使用方法 | |
CN110543584B (zh) | 一种建立人脸索引的方法、装置、处理服务器及存储介质 | |
US20220392233A1 (en) | Traffic information providing method and device, and computer program stored in medium in order to execute method | |
CN115422479A (zh) | 轨迹关联方法、装置、电子设备及机器可读存储介质 | |
WO2023236514A1 (zh) | 一种跨摄像头的多目标追踪方法、装置、设备及介质 | |
CN113696849B (zh) | 基于手势的车辆控制方法、装置和存储介质 | |
CN113255438B (zh) | 一种结构化的录像文件标记方法、***、主机及存储介质 | |
CN110876090B (zh) | 视频摘要回放方法、装置、电子设备及可读存储介质 | |
CN111753118A (zh) | 车辆检索方法、装置、电子设备及可读存储介质 | |
WO2023165219A1 (zh) | 目标检索方法、装置及存储介质 | |
CN110876029B (zh) | 视频摘要回放方法、装置、电子设备及可读存储介质 | |
US9275140B2 (en) | Method of optimizing the search for a scene on the basis of a stream of images archived in a video database | |
CN112712626A (zh) | 基于车牌信息的车辆验证方法、装置、计算机设备及存储介质 | |
CN111666786B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110929095A (zh) | 视频摘要回放方法、装置、电子设备及可读存储介质 | |
KR20220068038A (ko) | 촬영 공간 정보 기반 cctv 저장 영상 검색 방법 및 시스템 | |
WO2013175771A1 (ja) | 画像検索システム及び画像検索方法 | |
CN111368610A (zh) | 违规提醒方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |