(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210830684.2 (22)申请日 2022.07.15 (71)申请人 南京信息 工程大学 地址 224002 江苏省盐城市 盐南高新区新 河街道文港南路10 5号 (72)发明人 孙伟　赵宇煌　徐凡　胡亚华　 刘轩诚　代广昭　曾豪霆　王煜　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 一种视频遮挡车辆 重识别的方法 (57)摘要 本发明公开了一种视频遮挡车辆重识别的 方法， 所述方法包括： 将车辆图像输入3D ‑CNN主 干网模型进行特征提取； 通过自适应边缘传递图 卷积层对提取的特征进行处理， 输出xout特征， 并 对xout特征多层级联得到关系特征xA； 将关系特 征xA输入跨层级对齐层得到相似拓补特征； 对相 似拓补特征计算相似性， 将计算的结果与预设的 阈值比较， 若大于阈值， 则车辆图像是相同的， 反 之则不同； 本发明提出了车辆遮挡的重识别方 法， 通过主干网络对不同对象进行特征提取， 并 利用图像对比拓补的方法， 对目标遮挡部分获取 拓补信息， 联合处理对象的部分特征， 提高了该 模型的训练效率， 有效地提高了车辆遮挡重识别 的准确度。 权利要求书2页 说明书5页 附图1页 CN 115239982 A 2022.10.25 CN 115239982 A 1.一种视频遮挡车辆 重识别的方法， 其特 征在于， 所述方法包括： 将车辆图像输入3D ‑CNN主干网模型进行 特征提取； 通过自适应边缘传递图卷积层对提取的特征进行处理， 输出xout特征， 并对xout特征多 层级联得到关系特 征xA； 将关系特 征xA输入跨层级对齐层得到相似拓补特 征； 对相似拓补特征计算相似性， 将计算的结果与预设的阈值比较， 若大于阈值， 则车辆图 像是相同的， 反 之则不同。 2.根据权利要求1所述的视频遮挡车辆重识别的方法， 其特征在于， 所述特征提取方法 包括： 3D‑CNN模型对车辆图像 处理得到时间静态特征(t,b),粗粒度全局特征(s,a),细粒 度局部特征(s,b)； 来自时间t维度的静态内容， 以及来自空间hl×wl维度的粗 粒度细粒度特 征； 对于每一个特征 重塑为特征体积为cltl×hlwl的特征 其中cl为通道数， 并分别通 过注意力分解模块， 得到新的特 征为 α ∈{s,t}, β ∈{a,b}。 3.根据权利要求2所述的视频遮挡车辆重识别的方法， 其特征在于， 所述xout特征的获 取方法包括： 通过特征之间的差异得到 差异特征矩阵值； 将差异特 征矩阵值与预定义的规范化矩阵相乘， 得到新的邻接矩阵； 再将其余特征通过三个未 连接的全连接层拼接整合得到特 征xout。 4.根据权利要求3所述的视频遮挡车辆重识别的方法， 其特征在于， 所述关系特征xA获 取方法包括： 通过多个自适应边缘传递图卷积层进行级联成高阶关系模块的差异特征矩阵得到关 系特征xA。 5.根据权利要求1所述的视频遮挡车辆重识别的方法， 其特征在于， 所述自适应边缘传 递图卷积层用于抑制无意 义特征的消息传递。 6.根据权利要求1所述的视频遮挡车辆重识别的方法， 其特征在于， 所述相似性获取包 括： 根据图像X1和图像X2对应的两个图P1＝(V1,E1)和P2＝(V2,E2)， 设U∈[0,1]为V1和V2之间 的匹配矩阵， Uia为两个图的对应节点v1i和v2a之间的匹配度， 建立一个平方对称正矩阵M∈ RKK×KK， K为关键点数， 使Mia和Mib测量了每对(i,j)∈E1与(a,b)∈E2的匹配程度得到最优匹 配U*； 将两组特征节点x1和x2嵌入到一个隐藏空间的全连接层和ReLU层， 通过将 x1和x2图匹配 得到亲和矩阵Uk×k， 通过全连接层f， 得到输出为x1f和x2f， 通过自适应边缘传递图卷积层和 跨层级特 征对齐层， 得到 拓补特征为 根据拓补特 征信息， 得到相似性 7.根据权利要求3所述的视频遮挡车辆重识别的方法， 其特征在于， 所述差异特征矩阵 获取方法包括： 将局部特征和全局特征重塑为K ×K×cl并做减法操作， 得到局部特征和全 局特征之间的差异特 征矩阵。 8.根据权利要求1所述的视频遮挡车辆重识别的方法， 其特征在于， 计算相似性的公式权　利　要　求　书 1/2 页 2 CN 115239982 A 2如下： 其中σ(·)为sigmo id激活函数， | ·|为元素匹配运 算， f为全连接层。 9.根据权利要求1所述的视频遮挡车辆重识别的方法， 其特征在于， 所述跨层级特征对 齐层的损失可表示 为： 其中当X1和X2为同一辆车时， y＝1， 否则y＝0 。权　利　要　求　书 2/2 页 3 CN 115239982 A 3