WO2023024790A1 - 车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品 - Google Patents

车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品 Download PDF

Info

Publication number
WO2023024790A1
WO2023024790A1 PCT/CN2022/107695 CN2022107695W WO2023024790A1 WO 2023024790 A1 WO2023024790 A1 WO 2023024790A1 CN 2022107695 W CN2022107695 W CN 2022107695W WO 2023024790 A1 WO2023024790 A1 WO 2023024790A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
target
appearance attribute
attribute
appearance
Prior art date
Application number
PCT/CN2022/107695
Other languages
English (en)
French (fr)
Inventor
李照彬
阮佳彬
熊鹏
Original Assignee
上海商汤智能科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 上海商汤智能科技有限公司 filed Critical 上海商汤智能科技有限公司
Publication of WO2023024790A1 publication Critical patent/WO2023024790A1/zh

Links

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

Definitions

  • the first image including the vehicle to be identified
  • the Obtaining a comparison result between the vehicle to be identified and the target vehicle according to the at least one first vehicle attribute and the at least one target vehicle attribute includes: matching the first license plate number with the target license plate number In the case of , determining that the comparison result includes that the vehicle to be identified is the same as the target vehicle; when the first license plate number does not match the target license plate number, determining that the comparison result includes the The vehicle to be identified is different from the target vehicle.
  • the obtaining the comparison result between the vehicle to be identified and the target vehicle according to the at least one first appearance attribute and the at least one target appearance attribute includes: determining the at least one first appearance attribute Whether an appearance attribute matches the at least one target appearance attribute, and obtain a first matching result; if the first matching result includes that the at least one first appearance attribute matches the at least one target appearance attribute, determine The comparison result includes that the vehicle to be identified is the same as the target vehicle; when the first matching result includes that the at least one first appearance attribute does not match the at least one target appearance attribute, it is determined that the The comparison result includes that the vehicle to be identified is different from the target vehicle.
  • the vehicle identification device obtains the first image captured by the monitoring camera through the communication connection.
  • the target vehicle may be any vehicle.
  • the target vehicle is a sedan.
  • the target vehicle is a muck truck.
  • the target vehicle is a truck.
  • the image processing device acquires the target feature data and at least one target vehicle attribute of the target vehicle during the process of acquiring the first image, or acquires the first image and at least one target vehicle attribute during the process of acquiring the target feature data of the target vehicle , or acquire the first image and target feature data during the process of acquiring at least one target vehicle attribute.
  • the at least one first vehicle attribute may be a vehicle attribute of the vehicle to be identified.
  • the at least one first vehicle attribute may be one first vehicle attribute, and the at least one first vehicle attribute may also be two or more first vehicle attributes.
  • at least one first vehicle attribute includes a vehicle type of the vehicle to be identified.
  • the at least one first vehicle attribute includes the vehicle type of the vehicle to be identified and the license plate number of the vehicle to be identified.
  • the first similarity threshold is a positive number.
  • the similarity between the target feature data and the first feature data is greater than the first similarity threshold, indicating that the vehicle to be identified and the target vehicle are more likely to be the same vehicle. Therefore, it may be further determined whether the vehicle to be identified and the target vehicle are the same vehicle according to at least one first vehicle attribute and at least one target vehicle attribute.
  • the at least one first vehicle attribute includes a first license plate number of the vehicle to be identified
  • the at least one target vehicle attribute includes a target license plate number of the target vehicle
  • the first matching result may include but not limited to one of the following: at least one first appearance attribute matches at least one target appearance attribute, at least one first appearance attribute does not match at least one target appearance attribute.
  • the at least one target vehicle attribute includes at least one target appearance attribute of the target vehicle; the similarity between the first feature data and the target feature data is greater than the first similarity
  • the third acquisition part includes: a third processing subsection configured to perform an appearance on the first image if the first license plate number of the vehicle to be recognized is not recognized attribute extraction processing, obtaining at least one first appearance attribute of the vehicle to be identified; the first processing subsection includes: a fourth processing subsection configured to base on the at least one first appearance attribute and the at least one A target appearance attribute to obtain a comparison result between the vehicle to be identified and the target vehicle.
  • the embodiment of the present disclosure discloses a vehicle identification method and device, electronic equipment, a computer-readable storage medium, and a computer program product.
  • the vehicle identification method includes: acquiring a first image, the first image including a vehicle to be identified; acquiring target feature data of the target vehicle and at least one target vehicle attribute of the target vehicle; performing feature extraction processing on the first image, Obtaining the first feature data of the vehicle to be identified; acquiring at least one first vehicle attribute of the vehicle to be identified; based on the similarity between the first feature data and the target feature data, and the at least one A matching result of the first vehicle attribute and the at least one target vehicle attribute is obtained to obtain a comparison result between the vehicle to be identified and the target vehicle.
  • the above solution can improve the accuracy of comparison results and reduce the amount of data processing.

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)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开实施例公开了一种车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品。车辆识别方法包括：获取第一图像，所述第一图像包括待识别车辆；获取目标车辆的目标特征数据及所述目标车辆的至少一个目标车辆属性；对所述第一图像进行特征提取处理，得到所述待识别车辆的第一特征数据；获取所述待识别车辆的至少一个第一车辆属性；基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果。

Description

车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品
相关申请的交叉引用
本公开实施例基于申请号为202110971082.4、申请日为2021年08月23日、申请名称为“车辆识别方法及装置、电子设备及计算机可读存储介质”的中国专利申请提出，并要求该中国专利申请的优先权，该中国专利申请的全部内容在此引入本公开作为参考。
技术领域
本公开实施例涉及但不限于车辆识别技术领域，尤其涉及一种车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
车辆识别，是指通过对两张待比对图像中的车辆进行比对，确定两张待比对图像包含的车辆是否为同一车辆。在相关技术中，车辆识别方法的识别准确度低。
发明内容
本公开实施例提供一种车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
本公开实施例提供了一种车辆识别方法，所述方法包括：
获取第一图像，所述第一图像包括待识别车辆；
获取目标车辆的目标特征数据及所述目标车辆的至少一个目标车辆属性；
对所述第一图像进行特征提取处理，得到所述待识别车辆的第一特征数据；
获取所述待识别车辆的至少一个第一车辆属性；
基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，所述基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果，包括：在所述第一特征数据和所述目标特征数据之间的相似度大于第一相似度阈值的情况下，依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，在所述至少一个第一车辆属性包括所述待识别车辆的第一车牌号，且所述至少一个目标车辆属性包括所述目标车辆的目标车牌号的情况下，所述依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果，包括：在所述第一车牌号与所述目标车牌号匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆相同；在所述第一车牌号与所述目标车牌号不匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆不同。
在一些实施方式中，所述至少一个第一车辆属性包括所述待识别车辆的第一车牌号和所述待识别车辆的至少一个第一外观属性，所述至少一个目标车辆属性包括所述目标车辆的目标车牌号和所述目标车辆的至少一个目标外观属性；所述依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果，包括：在所述第一车牌号与所述目标车牌号匹配的情况下，依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，所述至少一个目标车辆属性包括所述目标车辆的至少一个目标外观属性；所述在所述第一特征数据和所述目标特征数据之间的相似度大于第一相似度阈值的情况下之后，所述获取所述待识别车辆的至少一个车辆属性，包括：在未识别到所述待识别车辆的第一车牌号的情况下，对所述第一图像进行外观属性提取处理，得到 所述待识别车辆的至少一个第一外观属性；所述依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果，包括：依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，所述依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果，包括：确定所述至少一个第一外观属性和所述至少一个目标外观属性是否匹配，得到第一匹配结果；在所述第一匹配结果包括所述至少一个第一外观属性和所述至少一个目标外观属性匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆相同；在所述第一匹配结果包括所述至少一个第一外观属性和所述至少一个目标外观属性不匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆不同。
在一些实施方式中，所述至少一个第一外观属性和所述至少一个目标外观属性均包括置信度；所述确定所述至少一个第一外观属性和所述至少一个目标外观属性是否匹配，得到第一匹配结果之前，所述方法还包括：获取第二相似度阈值，所述第二相似度阈值大于所述第一相似度阈值；所述确定所述至少一个第一外观属性和所述至少一个目标外观属性是否匹配，得到第一匹配结果，包括：在所述第一特征数据和所述目标特征数据之间的相似度大于所述第二相似度阈值，且所述至少一个第一外观属性和所述至少一个目标外观属性满足第一匹配条件或第二匹配条件的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性匹配；在所述第一特征数据和所述目标特征数据之间的相似度大于所述第二相似度阈值，且所述至少一个第一外观属性和所述至少一个目标外观属性不满足所述第一匹配条件和所述第二匹配条件的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配；所述第一匹配条件包括：所述至少一个第一外观属性和所述至少一个目标外观属性中不存在表征同一外观属性，且置信度大于置信度阈值的外观属性；所述第二匹配条件包括：所述至少一个第一外观属性中的第二外观属性与所述至少一个目标外观属性中的第三外观属性相同，所述第二外观属性和所述第三外观属性表征同一外观属性，且所述第二外观属性的置信度和所述第三外观属性的置信度均大于所述置信度阈值。
在一些实施方式中，在所述第一特征数据和所述目标特征数据之间的相似度小于或等于所述第二相似度阈值的情况下，所述方法还包括：在所述至少一个第一外观属性和所述至少一个目标外观属性中不存在表征同一外观属性，且置信度大于所述置信度阈值的外观属性的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配；确定所述至少一个第一外观属性中的第四外观属性和所述至少一个目标外观属性中的第五外观属性是否匹配，得到第二匹配结果，所述第四外观属性的置信度和所述第五外观属性的置信度均大于所述置信度阈值，且所述第四外观属性与所述第五外观属性表征同一外观属性；在所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性匹配；在所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配。
在一些实施方式中，所述确定所述至少一个第一外观属性中的第四外观属性和所述至少一个目标外观属性中的第五外观属性是否匹配，得到第二匹配结果，包括：在所述第四外观属性和所述第五外观属性相同的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配；在所述第四外观属性和所述第五外观属性不同的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配。
在一些实施方式中，所述确定所述至少一个第一外观属性中的第四外观属性和所述至少一个目标外观属性中的第五外观属性是否匹配，得到第二匹配结果，包括：在所述第四外观属性和所述第五外观属性分别表征第一车身颜色和第二车身颜色的情况下，获取所述第一车身颜色和所述第二车身颜色的车身颜色匹配关系；在依据所述车身颜色匹 配关系确定所述第一车身颜色和所述第二车身颜色不匹配的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配；在依据所述车身颜色匹配关系确定所述第一车身颜色和所述第二车身颜色匹配的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配。
在一些实施方式中，所述基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果，包括：在所述至少一个第一车辆属性和所述至少一个目标车辆属性匹配的情况下，依据所述第一特征数据和所述目标特征数据之间的相似度，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，所述获取第一图像，包括：获取目标摄像头采集到的所述第一图像，所述目标摄像头部署于目标区域；所述获取目标车辆的目标特征数据，包括：获取待跟踪车辆数据库，所述待跟踪车辆数据库包括至少一辆待跟踪车辆的特征数据，所述至少一辆待跟踪车辆包括需要跟踪在所述目标区域的轨迹的车辆，且所述目标车辆为所述至少一辆待跟踪车辆中的任意一辆车；在获取所述目标摄像头采集到的所述第一图像的情况下，从所述待跟踪车辆数据库获取一个特征数据作为所述目标特征数据。
本公开实施例提供了一种车辆识别装置，所述装置包括：
第一获取部分，被配置为获取第一图像，所述第一图像包括待识别车辆；
第二获取部分，被配置为获取目标车辆的目标特征数据及所述目标车辆的至少一个目标车辆属性；
第一处理部分，被配置为对所述第一图像进行特征提取处理，得到所述待识别车辆的第一特征数据；
第三获取部分，被配置为获取所述待识别车辆的至少一个第一车辆属性；
第二处理部分，被配置为基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果。
本公开实施例提供了一种电子设备，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，在所述处理器执行所述计算机指令的情况下，所述电子设备执行上述车辆识别方法。
本公开实施例提供了另一种电子设备，包括：处理器、发送装置、输入装置、输出装置和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，在所述处理器执行所述计算机指令的情况下，所述电子设备执行上述车辆识别方法。
本公开实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，在所述程序指令被处理器执行的情况下，使所述处理器执行上述车辆识别方法。
本公开实施例提供了一种计算机程序产品，所述计算机程序产品包括计算机程序或指令，在所述计算机程序或指令在电子设备上运行的情况下，使得所述电子设备执行上述车辆识别方法。
应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，而非限制本公开。
附图说明
为了更清楚地说明本公开实施例或背景技术中的技术方案，下面将对本公开实施例或背景技术中所需要使用的附图进行说明。
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开实施例的技术方案。
图1为本公开实施例提供的一种车辆识别方法的流程示意图；
图2为本公开实施例提供的一种车辆识别装置的结构示意图；
图3为本公开实施例提供的一种车辆识别装置的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开实施例方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包括。例如包括了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是还可以包括没有列出的步骤或单元，或还可以包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
应当理解，在本公开中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上，“至少两个(项)”是指两个或三个及三个以上，“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”可表示前后关联对象是一种“或”的关系，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。字符“/”还可表示数学运算中的除号，例如，a/b＝a除以b；6/3＝2。“以下至少一项(个)”或其类似表达。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包括在本公开的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
车辆识别，是指通过对两张待比对图像中的车辆进行比对，确定两张待比对图像包含的车辆是否为同一车辆。例如，待比对图像A包括车辆a，待比对图像B包括车辆b。通过对待比对图像A和待比对图像B进行车辆比对，可确定车辆a和车辆b是否为同一辆车。
目前的车辆识别方法通过对两张待比对图像进行车辆特征提取处理得到待比对图像中的车辆的特征数据，再通过对车辆的特征数据进行比对确定两张待比对图像中的车辆是否为同一车辆。本公开实施例中，特征提取处理用于提取图像的特征数据。在一些实施方式中，特征提取处理包括但不限于以下至少之一：神经网络、卷积处理、池化处理等。
例如，待比对图像A包括车辆a，待比对图像B包括车辆b。通过对待比对图像A进行车辆特征提取处理得到车辆a的特征数据，通过对待比对图像B进行车辆特征提取处理得到车辆b的特征数据。计算车辆a的特征数据和车辆b的特征数据之间的相似度，在该相似度大于相似度阈值的情况下，确定车辆a和车辆b为同一辆车，在该相似度小于或等于相似度阈值的情况下，确定车辆a和车辆b不是同一辆车。
但该种方法的识别准确度低，例如，待比对图像A包括车辆a的车头，待比对图像B包括车辆b的车头，其中，车辆a和车辆b是不同的两辆车。由于车辆a的车头和车辆b的车头的相似度较高，从待比对图像A中提取出的车辆a的特征数据与从待比对图像B中提取出的车辆b的特征数据的相似度较高。这样，就易将车辆a和车辆b识别为同一车辆。
基于此，本公开实施例提供了一种车辆识别方法，以提高车辆识别的准确度。下面结合本公开实施例中的附图对本公开实施例进行描述。
本公开实施例的执行主体为车辆识别装置，其中，车辆识别装置可以是任意一种可执行车辆识别方法实施例所公开的技术方案的电子设备。在一些实施方式中，车辆识别 装置可以是以下中的一种：手机、计算机、平板电脑、可穿戴智能设备、服务器。
应理解，本公开方法实施例还可以通过处理器执行计算机程序代码的方式实现。下面结合本公开实施例中的附图对本公开实施例进行描述。图1为本公开实施例提供的一种车辆识别方法的流程示意图，如图1所示，所述方法包括步骤S101至步骤S105：
步骤S101、获取第一图像，所述第一图像包括待识别车辆。
这里，待识别车辆可以是任意车辆。例如，待识别车辆是轿车。又例如，待识别车辆是泥头车。再例如，待识别车辆是公交车。
在一些实施方式中，车辆识别装置接收用户通过输入组件输入的第一图像。输入组件可以包括但不限于以下至少之一：键盘、鼠标、触控屏、触控板和音频输入器等。
在一些实施方式中，车辆识别装置接收终端发送的第一图像。终端可以包括但不限于以下至少之一：手机、计算机、平板电脑、服务器等。
在一些实施方式中，车辆识别装置与监控摄像头之间存在通信连接。车辆识别装置通过该通信连接获取监控摄像头拍摄的第一图像。
在一些实施方式中，车辆识别装置与监控摄像头之间存在通信连接。车辆识别装置通过该通信连接获取监控摄像头拍摄的视频流，并将视频流中的一帧图像作为第一图像。
步骤S102、获取目标车辆的目标特征数据及目标车辆的至少一个目标车辆属性。
这里，目标车辆可以是任意车辆。例如，目标车辆是轿车。又例如，目标车辆是渣土车。再例如，目标车辆是卡车。
目标车辆的目标特征数据携带目标车辆的身份信息，即通过将任意车辆的特征数据与目标特征数据进行比对，可确定该车辆与目标车辆是否相同。在一些实施方式中，目标特征数据可以包括但不限于携带目标车辆的身份信息的特征向量。在一些实施方式中，目标特征数据可以携带但不限于目标车辆的局部特征信息。例如，目标特征数据可以携带但不限于以下至少一种信息：车灯的特征信息、车标的特征信息、车窗的特征信息等。在一些实施方式中，目标特征数据可以携带但不限于目标车辆的全局特征信息，其中，全局特征信息包括目标车辆的整体外观特征信息。在一些实施方式中，目标特征数据既可以携带目标车辆的局部特征信息，又可以携带目标车辆的全局特征信息。
车辆属性(包括上述目标车辆属性和下文将要提及的第一车辆属性)可以包括但不限于以下至少一种：车辆类型、车身颜色、车辆品牌、车牌号等。在一些实施方式中，车辆类型可以包括但不限于以下至少之一：两厢轿车、三厢轿车、运动型多用途汽车(sport utility vehicle，SUV)、皮卡、卡车、公交车、泥头车、渣土车等。在一些实施方式中，车身颜色可以包括但不限于以下至少之一：黑色、蓝色、灰色、白色、藏青色、黄色、红色、绿色、紫色等。
在一些实施方式中，至少一个目标车辆属性为目标车辆的车辆属性。至少一个目标车辆属性可以是一个目标车辆属性，至少一个目标车辆属性也可以是两个或两个以上目标车辆属性。例如，至少一个目标车辆属性包括目标车辆的车身颜色。又例如，至少一个目标车辆属性包括目标车辆的车身颜色和目标车辆的车牌号。
在一些实施方式中，车辆识别装置接收用户通过输入组件输入的目标特征数据。在一些实施方式中，车辆识别装置接收终端发送的目标特征数据。
在一些实施方式中，目标车辆的至少一个目标车辆属性存储于车辆识别装置中。车辆识别装置从存储介质中读取目标车辆的至少一个目标车辆属性。在一些实施方式中，车辆识别装置接收用户通过输入组件输入的目标车辆的至少一个目标车辆属性。在一些实施方式中，车辆识别装置接收终端发送的目标车辆的至少一个目标车辆属性。
应理解，在本公开实施例中，获取第一图像的步骤、获取目标车辆的目标特征数据的步骤以及获取至少一个目标车辆属性的步骤可以分开执行，也可以同时执行。例如，图像处理装置可以先获取第一图像，再获取目标车辆的目标特征数据，最后获取至少一个目标车辆属性。又例如，图像处理装置可以先获取目标车辆的目标特征数据，再获取第一图像，最后获取至少一个目标车辆属性。再例如，图像处理装置可以先获取至少一个目标车辆属性，再获取第一图像，最后获取目标车辆的目标特征数据。再例如，图像 处理装置在获取第一图像的过程中获取目标车辆的目标特征数据和至少一个目标车辆属性，或在获取目标车辆的目标特征数据的过程中获取第一图像和至少一个目标车辆属性，或在获取至少一个目标车辆属性的过程中获取第一图像和目标特征数据。
步骤S103、对所述第一图像进行特征提取处理，得到所述待识别车辆的第一特征数据。
这里，第一特征数据携带待识别车辆的身份信息，即通过将任意车辆的特征数据与第一特征数据进行比对，可确定该车辆与待识别车辆是否相同。在一些实施方式中，第一特征数据可以包括但不限于携带待识别车辆的身份信息的特征向量。
在一些实施方式中，第一特征数据可以携带但不限于待识别车辆的局部特征信息。例如，第一特征数据可以携带但不限于以下至少一种信息：车灯的特征信息、车标的特征信息、车窗的特征信息等。在一些实施方式中，第一特征数据可以携带但不限于待识别车辆的全局特征信息，其中，全局特征信息包括待识别车辆的整体外观特征信息。在一些实施方式中，第一特征数据可以既携带待识别车辆的局部特征信息，又携带待识别车辆的全局特征信息。
本公开实施例中，特征提取处理用于提取出图像中的车辆的特征数据。在一些实施方式中，车辆识别装置通过对图像进行卷积处理，实现对图像的特征提取处理。
在一些实施方式中，对图像的特征提取处理通过卷积神经网络实现。通过将带有标注信息的图像作为训练数据，对卷积神经网络进行训练，使已训练的卷积神经网络可以完成对图像的特征提取处理。其中，训练数据的标注信息可以包括但不限于以下至少一种：图像中的车辆的局部特征信息、图像中的车辆的全局特征信息等。
步骤S104、获取目标车辆的至少一个第一车辆属性。
这里，至少一个第一车辆属性可以为待识别车辆的车辆属性。至少一个第一车辆属性可以是一个第一车辆属性，至少一个第一车辆属性也可以是两个或两个以上第一车辆属性。例如，至少一个第一车辆属性包括待识别车辆的车辆类型。又例如，至少一个第一车辆属性包括待识别车辆的车辆类型和待识别车辆的车牌号。
在一些实施方式中，待识别车辆的至少一个第一车辆属性可以存储于车辆识别装置。车辆识别装置通过从存储介质中读取待识别车辆的至少一个第一车辆属性。在一些实施方式中，车辆识别装置接收用户通过输入组件输入的待识别车辆的至少一个第一车辆属性。在一些实施方式中，车辆识别装置接收终端发送的待识别车辆的至少一个第一车辆属性。
步骤S105、基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果。
这里，至少一个第一车辆属性和至少一个目标车辆属性的匹配结果可以包括但不限于以下之一：至少一个第一车辆属性和至少一个目标车辆属性匹配、至少一个第一车辆属性和至少一个目标车辆属性不匹配。比对结果可以包括但不限于以下之一：待识别车辆与目标车辆相同、待识别车辆与目标车辆不同。
在一些实施方式中，车辆识别装置依据第一特征数据和目标特征数据之间的相似度，确定第一特征数据和目标特征数据是否相似。例如，在确定第一特征数据和目标特征数据相似，且匹配结果包括至少一个第一车辆属性和至少一个目标车辆属性匹配的情况下，确定比对结果包括待识别车辆与目标车辆相同。否则，确定比对结果包括待识别车辆与目标车辆不同。
在一些实施方式中，车辆识别装置依据至少一个第一车辆属性和至少一个目标车辆属性，确定至少一个第一车辆属性和至少一个目标车辆属性是否匹配。例如，在确定匹配结果包括至少一个第一车辆属性和至少一个目标车辆属性匹配，且确定第一特征数据和目标特征数据相似的情况下，确定比对结果包括待识别车辆与目标车辆相同。在确定第一特征数据和目标特征数据不相似，且匹配结果包括至少一个第一车辆属性和至少一个目标车辆属性不匹配的情况下，确定比对结果包括待识别车辆与目标车辆不相同。
本公开实施例中，车辆识别装置依据第一特征数据和目标特征数据之间的相似度，以及至少一个第一车辆属性和至少一个目标车辆属性的匹配结果，确定目标车辆与待识别车辆的比对结果，可提升比对结果的准确度。
在一些实施方式中，车辆识别装置在执行步骤S105的过程中执行以下步骤1：
步骤1、在上述第一特征数据和上述目标特征数据之间的相似度大于第一相似度阈值的情况下，依据上述至少一个第一车辆属性和上述至少一个目标车辆属性，得到上述待识别车辆与上述目标车辆的比对结果。
本公开实施例中，第一相似度阈值为正数。目标特征数据和第一特征数据之间的相似度大于第一相似度阈值，说明待识别车辆和目标车辆为同一辆车的概率较大。因此，可进一步依据至少一个第一车辆属性和至少一个目标车辆属性，确定待识别车辆和目标车辆是否为同一辆车。
在一些实施方式中，车辆识别装置通过确定至少一个第一车辆属性和至少一个目标车辆属性是否匹配，确定待识别车辆与目标车辆是否相同，从而得到待识别车辆与目标车辆的比对结果。
在一些实施方式中，车辆识别装置确定至少一个第一车辆属性和至少一个目标车辆属性的匹配度。在匹配度大于匹配度阈值的情况下，确定待识别车辆与目标车辆相同。在匹配度小于或等于匹配度阈值的情况下，确定待识别车辆与目标车辆不同。
在一些实施方式中，车辆识别装置在确定第一特征数据和目标特征数据之间的相似度小于或等于第一相似度阈值的情况下，确定比对结果包括待识别车辆与目标车辆的不同。即在确定第一特征数据和目标特征数据之间的相似度小于或等于第一相似度阈值的情况下，不继续比对至少一个第一车辆属性和至少一个目标车辆属性。
本公开实施例中，车辆识别装置在确定第一特征数据和目标特征数据之间的相似度大于第一相似度阈值的情况下，进一步依据至少一个第一车辆属性和至少一个目标车辆属性确定比对结果，可提升比对结果的准确度，并减少数据处理量。
在一些实施方式中，至少一个第一车辆属性包括待识别车辆的第一车牌号，至少一个目标车辆属性包括目标车辆的目标车牌号。
在一些实施方式中，第一车牌号是车辆装置通过对第一图像进行车牌号识别处理得到的。本公开实施例中，车牌号识别处理用于识别图像中的车牌号。在一些实施方式中，车牌号识别处理可通过车牌号识别模型实现，其中，车牌号识别模型可以为用于识别车牌号的计算机视觉模型。例如，车牌号识别模型可以是文字识别(optical character recognition，OCR)模型。又例如，车牌号识别模型可以是神经网络，其中，该神经网络可以用于识别图像中的车牌号。
在车辆识别装置通过对第一图像进行车牌号识别处理得到第一车牌号的情况下，车辆识别装置获取目标车辆的目标车牌号，进而可通过对待识别车辆的车牌号和目标车辆的车牌号进行比对，以进一步确定待识别车辆与目标车辆之间的比对结果。
在一些实施方式中，车辆识别装置在执行“依据上述至少一个第一车辆属性和上述至少一个目标车辆属性，得到上述待识别车辆与上述目标车辆的比对结果”的步骤的过程中执行步骤2或步骤3：
步骤2、在上述第一车牌号与上述目标车牌号匹配的情况下，确定上述比对结果包括上述待识别车辆与上述目标车辆相同。
步骤3、在上述第一车牌号与上述目标车牌号不匹配的情况下，确定上述比对结果包括上述待识别车辆与上述目标车辆不同。
在一些实施方式中，至少一个第一车辆属性包括待识别车辆的第一车牌号和待识别车辆的至少一个第一外观属性，至少一个目标车辆属性包括所述目标车辆的目标车牌号和目标车辆的至少一个目标外观属性。
这里，车辆的外观属性可以包括但不限于除车牌号之外的车辆属性。在一些实施方式中，外观属性可以包括但不限于以下至少之一：车身颜色、车辆类型、车辆品牌等。第一外观属性可以为待识别车辆的外观属性，目标外观属性可以为目标车辆的外观属性。
在一些实施方式中，车辆识别装置通过对第一图像进行外观属性提取处理得到待识别车辆的至少一个第一外观属性。本公开实施例中，外观属性提取处理用于提取出图像中的外观属性。在一些实施方式中，外观属性提取处理可通过外观属性提取模型实现，其中，外观属性提取模型可以为用于提取外观属性的计算机视觉模型。例如，外观属性提取模型是可以提取外观属性的神经网络。
在一些实施方式中，车辆识别装置在执行“依据上述至少一个第一车辆属性和上述至少一个目标车辆属性，得到上述待识别车辆与上述目标车辆的比对结果”的步骤的过程中执行步骤4：
步骤4、在上述第一车牌号与上述目标车牌号匹配的情况下，依据上述至少一个第一外观属性和上述至少一个目标外观属性，得到上述待识别车辆与上述目标车辆的比对结果。
在一些实施方式中，车辆识别装置通过确定至少一个第一外观属性和至少一个目标外观属性是否匹配，确定待识别车辆与目标车辆是否相同，从而得到待识别车辆与目标车辆的比对结果。
在一些实施方式中，车辆识别装置确定至少一个第一外观属性和至少一个目标外观属性的匹配度。在匹配度大于匹配度阈值的情况下，确定待识别车辆与目标车辆相同。在匹配度小于或等于匹配度阈值的情况下，确定待识别车辆与目标车辆不同。
本公开实施例中，车辆识别装置在确定第一车牌号与目标车牌号匹配的情况下，进一步依据至少一个第一外观属性和至少一个目标外观属性确定比对结果，可提升比对结果的准确度，并减少数据处理量。
在一些实施方式中，车辆识别装置在确定第一车牌号与目标车牌号匹配的情况下，对第一图像进行外观属性提取处理，得到至少一个第一外观属性。在得到至少一个第一外观属性后，车辆识别装置依据至少一个第一外观属性和至少一个目标外观属性，得到待识别车辆与上述目标车辆的比对结果。车辆识别装置在确定第一车牌号与目标车牌号不匹配的情况下，不执行对第一图像进行外观属性提取处理的步骤，由此减少数据处理量。
在一些实施方式中，至少一个目标车辆属性包括目标车辆的至少一个目标外观属性。车辆识别装置在确定第一特征数据和目标特征数据之间的相似度大于第一相似度阈值之后，通过执行步骤5来获取待识别车辆的至少一个车辆属性：
步骤5、在未识别到待识别车辆的第一车牌号的情况下，对第一图像进行外观属性提取处理，得到待识别车辆的至少一个第一外观属性。
若通过对第一图像进行车牌识别处理未得到待识别车辆的第一车牌号，则无法通过对待识别车辆的车牌号和目标车辆的车牌号进行比对，确定待识别车辆和目标车辆是否为同一辆车。
因此，在该种情况下，车辆识别装置对第一图像进行外观属性提取处理得到待识别车辆的至少一个第一外观属性，以通过比对待识别车辆的外观属性和目标车辆的外观属性，确定待识别车辆和目标车辆是否为同一辆车，从而提高比对结果的准确度。
在执行完步骤5后，车辆识别装置在执行“依据上述至少一个第一车辆属性和上述至少一个目标车辆属性，得到上述待识别车辆与上述目标车辆的比对结果”的步骤的过程中执行以下步骤6：
步骤6、依据至少一个第一外观属性和至少一个目标外观属性，得到待识别车辆与目标车辆的比对结果。
本步骤的实现方式可参见步骤4的实现方式。
在该种实施方式中，车辆识别装置在待识别车辆的特征数据与目标车辆的特征数据相似，且未识别到第一车牌号的情况下，进一步依据待识别车辆的外观属性与目标车辆的外观属性确定待识别车辆与目标车辆相同，从而提高比对结果的准确度。
在一些实施方式中，图像处理装置在执行“依据至少一个第一外观属性和至少一个目标外观属性，得到待识别车辆与目标车辆的比对结果”的步骤的过程中执行以下步骤7：
步骤7、确定上述至少一个第一外观属性和上述至少一个目标外观属性是否匹配，得到第一匹配结果。
这里，第一匹配结果可以包括但不限于以下之一：至少一个第一外观属性和至少一个目标外观属性匹配、至少一个第一外观属性和至少一个目标外观属性不匹配。
在一些实施方式中，车辆识别装置依据至少一个第一外观属性和至少一个目标外观属性，得到至少一个共同外观属性对，其中，每个共同外观属性对包括一个第一外观属性和一个目标外观属性，且共同外观属性对中的第一外观属性与共同外观属性对中的目标外观属性表征同一外观属性。
例如，至少一个第一外观属性包括待识别车辆的车身颜色和待识别车辆的车辆类型，至少一个目标外观属性包括目标车辆的车身颜色和目标车辆的车辆品牌，此时，共同外观属性对包括目标车辆的车身颜色和待识别车辆的车身颜色。
车辆识别装置在确定每个共同外观属性对中的两个外观属性均相同的情况下，确定第一匹配结果包括至少一个第一外观属性和至少一个目标外观属性匹配。否则，车辆识别装置确定第一匹配结果包括至少一个第一外观属性和至少一个目标外观属性不匹配。
例如，至少一个第一外观属性和至少一个目标外观属性中存在共同外观属性对a和共同外观属性对b，其中，共同外观属性对a包括目标车辆的车身颜色和待识别车辆的车身颜色，共同外观属性对b包括目标车辆的车辆类型和待识别车辆的车辆类型。
在目标车辆的车身颜色和待识别车辆的车身颜色相同，且目标车辆的车辆类型和待识别车辆的车辆类型相同的情况下，那么第一匹配结果包括至少一个第一外观属性和至少一个目标外观属性匹配。
在目标车辆的车身颜色和待识别车辆的车身颜色不同的情况下，那么第一匹配结果包括至少一个第一外观属性和至少一个目标外观属性不匹配。在目标车辆的车辆类型和待识别车辆的车辆类型不同的情况下，那么第一匹配结果包括至少一个第一外观属性和至少一个目标外观属性不匹配。
在得到第一匹配结果后，车辆识别装置通过执行步骤8或步骤9来确定比对结果：
步骤8、在上述第一匹配结果包括上述至少一个第一外观属性和上述至少一个目标外观属性匹配的情况下，确定上述比对结果包括上述待识别车辆与上述目标车辆相同。
本步骤中，第一匹配结果可以包括但不限于至少一个第一外观属性与至少一个目标外观属性匹配，说明待识别车辆的外观属性与目标车辆的外观属性匹配。因此，车辆识别装置确定待识别车辆与目标车辆相同。
步骤9、在上述第一匹配结果包括上述至少一个第一外观属性和上述至少一个目标外观属性不匹配的情况下，确定上述比对结果包括上述待识别车辆与上述目标车辆不同。
本步骤中，第一匹配结果可以包括但不限于至少一个第一外观属性与至少一个目标外观属性不匹配，说明待识别车辆的外观属性与目标车辆的外观属性不匹配。因此，车辆识别装置确定待识别车辆与目标车辆不同。
在一些实施方式中，至少一个第一外观属性和至少一个目标外观属性均包括置信度。
例如，至少一个第一外观属性可以包括待识别车辆的车身颜色和待识别车辆的车辆类型。至少一个第一外观属性可以包括置信度，是指待识别车辆的车身颜色存在置信度，待识别车辆的车辆类型也存在置信度。若待识别车辆的车身颜色为红色，待识别车辆的车辆类型为卡车，待识别车辆的车身颜色的置信度为0.8，待识别车辆的车辆类型的置信度为0.7，那么待识别车辆的车身颜色为红色的置信度为0.8，那么待识别车辆的车辆类型为卡车的置信度为0.7。
又例如，至少一个目标外观属性包括目标车辆的车身颜色和目标车辆的车辆品牌。至少一个目标外观属性可以包括置信度，是指目标车辆的车身颜色存在置信度，目标车辆的车辆品牌也存在置信度。若目标车辆的车身颜色为黑色，目标车辆的车辆品牌为奔驰，目标车辆的车身颜色的置信度为0.86，目标车辆的车辆品牌的置信度为0.92，那么目标车辆的车身颜色为黑色的置信度为0.86，那么目标车辆的车辆品牌为奔驰的置信度为0.92。
在一些实施方式中，车辆识别装置在执行步骤7之前，还执行以下步骤10：
步骤10、获取第二相似度阈值，上述第二相似度阈值大于上述第一相似度阈值；
在一些实施方式中，车辆识别装置接收用户通过输入组件输入的第二相似度阈值。
在一些实施方式中，车辆识别装置接收终端发送的第二相似度阈值。
在执行完步骤10后，车辆识别装置在执行步骤7的过程中执行步骤11或步骤12：
步骤11、在上述第一特征数据和上述目标特征数据之间的相似度大于上述第二相似度阈值，且上述至少一个第一外观属性和上述至少一个目标外观属性满足第一匹配条件或第二匹配条件的情况下，确定上述第一匹配结果包括上述至少一个第一外观属性与上述至少一个目标外观属性匹配；
步骤12、在第一特征数据和目标特征数据之间的相似度大于第二相似度阈值，且上述至少一个第一外观属性和上述至少一个目标外观属性不满足上述第一匹配条件和第二匹配条件的情况下，确定上述第一匹配结果包括上述至少一个第一外观属性与上述至少一个目标外观属性不匹配。
在将至少一个第一外观属性和至少一个目标外观属性中的表征相同外观属性的两个外观属性称为共同外观属性对的情况下，将所包含的两个外观属性的置信度均大于置信度阈值的共同外观属性对称为高置信度共同外观属性对，其中，置信度阈值为正数。
例如，至少一个第一外观属性包括待识别车辆的车身颜色和待识别车辆的车辆类型，至少一个目标外观属性包括目标车辆的车身颜色和目标车辆的车辆品牌。此时，待识别车辆的车身颜色和目标车辆的车身颜色均表征车身颜色这一外观属性，即共同外观属性对包括待识别车辆的车身颜色和目标车辆的车身颜色。
在待识别车辆的车身颜色的置信度大于置信度阈值，且目标车辆的车身颜色的置信度大于置信度阈值的情况下，那么待识别车辆的车身颜色和目标车辆的车身颜色为高置信度共同外观属性对。
在一些实施方式中，第一匹配条件可以包括但不限于：至少一个第一外观属性和至少一个目标外观属性中不存在表征同一外观属性，且置信度大于置信度阈值的外观属性。即第一匹配条件包括：至少一个第一外观属性和至少一个目标外观属性中不存在高置信度共同外观属性对。
例如，至少一个第一外观属性包括待识别车辆的车身颜色和待识别车辆的车辆类型，至少一个目标外观属性包括目标车辆的车辆品牌。此时，至少一个第一外观属性和至少一个目标外观属性中不存在共同外观属性对，那么至少一个第一外观属性和至少一个目标外观属性中自然也不存在高置信度共同外观属性对。此时，至少一个第一外观属性和至少一个目标外观属性满足第一匹配条件。
又例如，至少一个第一外观属性包括待识别车辆的车身颜色和待识别车辆的车辆类型，至少一个目标外观属性包括目标车辆的车身颜色目标车辆的车辆品牌。此时，待识别车辆的车身颜色和目标车辆的车身颜色均表征车身颜色这一外观属性，即共同外观属性对包括待识别车辆的车身颜色和目标车辆的车身颜色。
若待识别车辆的车身颜色的置信度大于置信度阈值，且目标车辆的车身颜色的置信度小于置信度阈值，那么至少一个外观属性和至少一个目标外观属性中不存在高置信度共同外观属性对。因此，至少一个第一外观属性和至少一个目标外观属性满足第一匹配条件。
在一些实施方式中，第二匹配条件可以包括但不限于：至少一个第一外观属性中的第二外观属性与至少一个目标外观属性中的第三外观属性相同，第二外观属性和第三外观属性表征同一外观属性，且第二外观属性的置信度和第三外观属性的置信度均大于置信度阈值。
在第二匹配条件中，第二外观属性属于至少一个第一外观属性，第三外观属性属于至少一个目标外观属性，且第二外观属性与第三外观属性相同，即第二外观属性和第三外观属性为上述共同外观属性对。第二外观属性的置信度和第三外观属性的置信度均大于置信度阈值，即第二外观属性和第三外观属性为上述高置信度共同外观属性对。
应理解，第二外观属性和第三外观属性仅为示例，不应理解为至少一个第一外观属性和至少一个目标外观属性中只存在一个高置信度共同属性对。在实际应用中，至少一个第一外观属性和至少一个目标外观属性中的任意一个高置信度共同外观属性对中的两个属性均应相同。
例如，至少一个第一外观属性包括待识别车辆的车身颜色和待识别车辆的车辆类型，至少一个目标外观属性包括目标车辆的车身颜色和目标车辆的车辆类型。此时，待识别车辆的车身颜色和目标车辆的车身颜色均表征车身颜色这一外观属性，待识别车辆的车辆类型和目标车辆的车辆类型均表征车辆类型这一外观属性，即共同外观属性对包括共同外观属性对a和共同外观属性对b，其中，共同外观属性对a包括待识别车辆的车身颜色和目标车辆的车身颜色，共同外观属性对b包括待识别车辆的车辆类型和目标车辆的车辆类型。
若待识别车辆的车身颜色的置信度、待识别车辆的车辆类型的置信度、目标车辆的车身颜色的置信度和目标车辆的车辆类型的置信度均大于置信度阈值，那么共同外观属性对a和共同外观属性对b均为高置信度共同外观属性对。
在共同外观属性对a中的两个属性相同，且共同外观属性对b中的两个属性相同的情况下，确定至少一个第一外观属性和至少一个目标外观属性满足第二匹配条件，否则，确定至少一个第一外观属性和至少一个目标外观属性不满足第二匹配条件。其中，共同外观属性对a中的两个属性相同指第一车辆的车身颜色和第二车辆的车身颜色相同，共同外观属性对b中的两个属性相同指第一车辆的车辆类型和第二车辆的车辆类型相同。
本公开实施例中，置信度阈值用于判断外观属性的置信度高低，具体的，外观属性的置信度大于置信度阈值说明外观属性的置信度高，外观属性的置信度小于或等于置信度阈值说明外观属性的置信度低。
在外观属性的置信度高的情况下，利用外观属性识别车辆，可提高识别准确度，在外观属性的置信度低的情况下，利用外观属性识别车辆，可能会存在较大的误差。因此，可依据至少一个第一外观属性中置信度大于置信度阈值的外观属性和至少一个目标外观属性中置信度大于置信度阈值的外观属性，判断至少一个第一外观属性和至少一个目标外观属性是否匹配。
若至少一个第一外观属性和至少一个目标外观属性中不存在高置信度共同外观属性对，此时判断至少一个第一外观属性和至少一个目标外观属性是否匹配，会出现较大的误差。由于至少一个第一外观属性和至少一个目标外观属性不匹配，会导致将待识别车辆与目标车辆识别为相同的车辆，而第一特征数据和目标特征数据之间的相似度大于第二相似度阈值，说明待识别车辆和目标车辆相同的概率较大，因此在至少一个第一外观属性和至少一个目标外观属性中不存在高置信度共同外观属性对的情况下，确定至少一个第一外观属性和至少一个目标外观属性匹配。这样，可降低待识别车辆的误识别率。
这样，车辆识别装置在确定至少一个第一外观属性和至少一个目标外观属性满足第一匹配条件的情况下，确定第一匹配结果包括至少一个第一外观属性与至少一个目标外观属性匹配，可降低第一匹配结果的误识别率，进而降低对待识别车辆的误识别率。
若至少一个第一外观属性和至少一个目标外观属性中存在高置信度共同外观属性对，那么可依据高置信度共同外观属性对判断至少一个外观属性和至少一个目标外观属性是否匹配。在一些实施方式中，高置信度共同外观属性对中的两个外观属性相同，说明至少一个第一外观属性中的外观属性和至少一个目标外观属性中的外观属性不矛盾，进而可确定至少一个第一外观属性中的外观属性和至少一个目标外观属性中的外观属性匹配。
这样，车辆识别装置在确定至少一个第一外观属性和至少一个目标外观属性满足第二匹配条件的情况下，确定第一匹配结果包括至少一个第一外观属性与至少一个目标外观属性匹配，可提高对第一匹配结果的准确度，进而提高待识别车辆的误识别率。
反之，在确定至少一个第一外观属性和至少一个目标外观属性不满足第一匹配条件，且至少一个第一外观属性和至少一个目标外观属性不满足第二匹配条件的情况下，确定第一匹配结果包括至少一个第一外观属性与至少一个目标外观属性不匹配。
在一些实施方式中，车辆识别装置在第一特征数据和目标特征数据之间的相似度小于或等于第二相似度阈值的情况下，还执行以下步骤13：
步骤13、在上述至少一个第一外观属性和上述至少一个目标外观属性中不存在表征同一外观属性，且置信度大于上述置信度阈值的外观属性的情况下，确定上述第一匹配结果包括上述至少一个第一外观属性与上述至少一个目标外观属性不匹配；
本步骤中，至少一个第一外观属性和至少一个目标外观属性中不存在表征同一外观属性，且置信度大于置信度阈值的外观属性，即至少一个第一外观属性和至少一个目标外观属性中不存在高置信度共同外观属性。此时，判断至少一个第一外观属性和至少一个目标外观属性是否匹配，会出现较大的误差。由于至少一个第一外观属性和至少一个目标外观属性匹配，会导致将待识别车辆与目标车辆识别为相同的车辆，而第一特征数据和目标特征数据之间的相似度小于或等于第二相似度阈值，说明待识别车辆和目标车辆相同的概率，相对第一特征数据和目标特征数据之间的相似度大于第二相似度阈值的情况较小。因此，在至少一个第一外观属性和至少一个目标外观属性中不存在高置信度共同外观属性对的情况下，确定至少一个第一外观属性和至少一个目标外观属性不匹配。这样，可降低待识别车辆的误识别率。
若至少一个第一外观属性和至少一个目标外观属性中存在高置信度共同外观属性，那么执行步骤14。
步骤14、确定上述至少一个第一外观属性中的第四外观属性和上述至少一个目标外观属性中的第五外观属性是否匹配，得到第二匹配结果，上述第四外观属性的置信度和上述第五外观属性的置信度均大于上述置信度阈值，且上述第四外观属性与上述第五外观属性表征同一外观属性。
本步骤中，第四外观属性属于至少一个第一外观属性，第五外观属性属于至少一个目标外观属性，且第四外观属性与第五外观属性相同，即第四外观属性和第五外观属性为上述共同外观属性对。第四外观属性的置信度和第五外观属性的置信度均大于置信度阈值，即第四外观属性和第五外观属性为上述高置信度共同外观属性对。
若至少一个第一外观属性和至少一个目标外观属性中存在高置信度共同外观属性对，那么可依据高置信度共同外观属性对判断至少一个外观属性和至少一个目标外观属性是否匹配。因此，车辆识别装置可依据第二匹配结果判断至少一个外观属性和至少一个目标外观属性是否匹配。在一些实施方式中，车辆识别装置在得到第二匹配结果后，通过执行步骤15或步骤16，确定至少一个外观属性和至少一个目标外观属性是否匹配。
步骤15、在上述第二匹配结果包括上述第四外观属性和上述第五外观属性匹配的情况下，确定上述第一匹配结果包括上述至少一个第一外观属性与上述至少一个目标外观属性匹配。
步骤16、在上述第二匹配结果包括上述第四外观属性和上述第五外观属性不匹配的情况下，确定上述第一匹配结果包括上述至少一个第一外观属性与上述至少一个目标外观属性不匹配。
应理解，第四外观属性和第五外观属性仅为示例，不应理解为至少一个第一外观属性和至少一个目标外观属性中只存在一个高置信度共同外观属性对。在实际应用中，若至少一个第一外观属性和至少一个目标外观属性中存在两个或两个以上高置信度共同外观属性对，车辆识别装置可分别确定每个高置信度共同外观属性对的第二匹配结果。在所有第二匹配结果均包括高置信度共同外观属性中的两个外观属性匹配的情况下，确定第一匹配结果包括至少一个第一外观属性与至少一个目标外观属性匹配，否则，确定第一匹配结果包括至少一个第一外观属性与至少一个目标外观属性不匹配。
例如，至少一个第一外观属性包括待识别车辆的车身颜色和待识别车辆的车辆类型，至少一个目标外观属性包括目标车辆的车身颜色和目标车辆的车辆类型。此时，待识别车辆的车身颜色和目标车辆的车身颜色均表征车身颜色这一外观属性，待识别车辆的车辆类型和目标车辆的车辆类型均表征车辆类型这一外观属性，即共同外观属性对包括共同外观属性对a和共同外观属性对b，其中，共同外观属性对a包括待识别车辆的车身颜 色和目标车辆的车身颜色，共同外观属性对b包括待识别车辆的车辆类型和目标车辆的车辆类型。
若待识别车辆的车身颜色的置信度、待识别车辆的车辆类型的置信度、目标车辆的车身颜色的置信度和目标车辆的车辆类型的置信度均大于置信度阈值，那么共同外观属性对a和共同外观属性对b均为高置信度共同外观属性对。
车辆识别装置通过确定待识别车辆的车身颜色与目标车辆的车身颜色是否匹配，得到高置信度共同外观属性对a的第二匹配结果A，车辆识别装置通过确定待识别车辆的车辆类型与目标车辆的车辆类型是否匹配，得到高置信度共同外观属性对b的第二匹配结果B。
在第二匹配结果A包括待识别车辆的车身颜色与目标车辆的车身颜色匹配，且第二匹配结果B包括待识别车辆的车辆类型与目标车辆的车辆类型匹配的情况下，确定第一匹配结果包括至少一个第一外观属性和至少一个目标外观属性匹配，否则，确定第一匹配结果包括至少一个第一外观属性和至少一个目标外观属性不匹配。
在一些实施方式中，车辆识别装置在执行步骤14的过程中执行步骤17或步骤18：
步骤17、在上述第四外观属性和上述第五外观属性相同的情况下，确定上述第二匹配结果包括上述第四外观属性和上述第五外观属性匹配。
步骤18、在上述第四外观属性和上述第五外观属性不同的情况下，确定上述第二匹配结果包括上述第四外观属性和上述第五外观属性不匹配。
在步骤17和步骤18中，车辆识别装置通过判断第四外观属性和第五外观属性是否相同，确定第四外观属性和第五外观属性是否匹配。即车辆识别装置通过判断高置信度共同属性对中的两个外观属性是否相同，确定高置信度共同属性对中的两个外观属性是否匹配。
在一些实施方式中，车辆识别装置在执行步骤14的过程中执行步骤19：
步骤19、在上述第四外观属性和上述第五外观属性分别表征第一车身颜色和第二车身颜色的情况下，获取上述第一车身颜色和上述第二车身颜色的车身颜色匹配关系。
众所周知，采集图像时的采集条件可能影响图像中的色彩的真实度，而至少一个第一外观属性通过对第一图像进行外观属性提取处理得到，即第一车辆的车身颜色通过对第一图像进行外观属性提取处理得到，那么在采集第一图像时的采集条件不佳的情况下，可能导致第一图像中车身颜色不准确，进而导致通过对第一图像进行外观属性提取处理得到的第四外观属性的准确度低，从而导致对第四外观属性和第五外观属性的是否匹配的误判。
例如，假设待识别车辆的车身颜色为白色，由于第一图像是在暗光环境下采集得到的，而由于光线较暗，导致第一图像中的待识别车辆的车身颜色为灰色。
本公开实施例中，第一车身颜色和第二车身颜色的车身颜色匹配关系用于修正因采集条件不佳导致对第四外观属性和第五外观属性的是否匹配的误判。
例如，对在暗光环境下采集的图像进行属性提取得到车身颜色，易将白色错识别为灰色，或易将灰色错识别为白色，因此白色与灰色为相互匹配的车身颜色。若第四外观属性包括待识别车辆的车身颜色为白色，第五外观属性包括目标车辆的车身颜色为灰色，即第一车身颜色为白色，第二车身颜色为灰色。那么，在第一车身颜色和第二车身颜色的车身颜色匹配关系中，第一车身颜色与第二车身颜色匹配。
又例如，黑色与白色为不易被误识别的两个车身颜色，因此在车身颜色匹配关系中，黑色和白色是不匹配的车身颜色。若第四外观属性包括待识别车辆的车身颜色为白色，第五外观属性包括目标车辆的车身颜色为黑色，即第一车身颜色为白色，第二车身颜色为黑色。那么，在第一车身颜色和第二车身颜色的车身颜色匹配关系中，第一车身颜色与第二车身颜色不匹配。
在一些实施方式中，车辆识别装置接收用户通过输入组件输入的车身颜色匹配关系。
在一些实施方式中，车辆识别装置接收终端发送的车身颜色匹配关系。
在获取车身颜色匹配关系后，车辆识别装置可通过执行步骤20或步骤21确定第四 外观属性和第五外观属性是否匹配：
步骤20、在依据上述车身颜色匹配关系确定上述第一车身颜色外观属性和上述第二车身颜色外观属性不匹配的情况下，确定上述第二匹配结果包括上述第四外观属性和上述第五外观属性不匹配。
例如，第四外观属性表征待识别车辆的车身颜色为黑色，第五外观属性表征目标车辆的车身颜色为红色，即第一车身颜色为黑色，第二车身颜色为红色。依据黑色和红色的车身匹配关系可确定黑色和红色不匹配，因此车辆识别装置确定第二匹配结果包括第四外观属性和第五外观属性不匹配。
步骤21、在依据上述车身颜色匹配关系确定上述第一车身颜色外观属性和上述第二车身颜色外观属性匹配的情况下，确定上述第二匹配结果包括上述第四外观属性和上述第五外观属性匹配。
例如，第四外观属性表征待识别车辆的车身颜色为黑色，第五外观属性表征目标车辆的车身颜色为紫色，即第一车身颜色为黑色，第二车身颜色为紫色。依据黑色和紫色的车身匹配关系可确定黑色和紫色匹配，因此车辆识别装置确定第二匹配结果包括第四外观属性和第五外观属性匹配。
车辆识别装置在第四外观属性和第五外观属性均表征车身颜色的情况下，依据车身颜色匹配关系确定第四外观属性和第五外观属性是否匹配得到第二匹配结果，可提高第二匹配结果的准确度。
在一些实施方式中，车辆识别装置在执行步骤S105的过程中执行以下步骤22：
步骤22、在上述至少一个第一车辆属性和上述至少一个目标车辆属性匹配的情况下，依据上述第一特征数据和上述目标特征数据之间的相似度，得到上述待识别车辆与上述目标车辆的比对结果。
在步骤22中，车辆识别装置先确定至少一个第一车辆属性和至少一个目标车辆属性是否匹配。在至少一个第一车辆属性和至少一个目标车辆属性匹配的情况下，确定待识别车辆的特征数据和目标车辆的特征数据是否相同，进而得到比对结果。在实施时，依据第一特征数据和目标特征数据之间的相似度，得到待识别车辆与目标车辆的比对结果。
在一些实施方式中，车辆识别装置在第一特征数据和目标特征数据之间的相似度大于第一相似度阈值的情况下，确定比对结果包括待识别车辆与目标车辆相同；车辆识别装置在第一特征数据和目标特征数据之间的相似度小于或等于第一相似度阈值的情况下，确定比对结果包括待识别车辆与目标车辆不同。
在该种实施方式中，车辆识别装置在确定至少一个第一车辆属性和至少一个目标车辆属性匹配的情况下，进一步依据第一特征数据和目标特征数据之间的相似度确定比对结果，可提升比对结果的准确度，并减少数据处理量。
在一些实施方式中，车辆识别装置通过执行以下步骤23获取第一图像：
步骤23、获取目标摄像头采集到的上述第一图像，上述目标摄像头部署于目标区域。
这里，目标区域可以是任意区域，例如，目标区域是学校，又例如，目标区域是工业园区。在一些实施方式中，目标区域包括监管区域。
目标摄像头为部署在目标区域内的任意摄像头，即目标摄像头的拍摄范围位于目标区域内。
在本步骤23中，第一图像由目标摄像头采集得到，即第一图像中的内容为目标区域内的场景。
在一些实施方式中，车辆识别装置与目标摄像头之间存在通信连接。车辆识别装置通过该通信连接从目标摄像头获取第一图像。
在执行完步骤23后，车辆识别装置通过执行步骤24及步骤25来获取目标车辆的第一特征数据：
步骤24、获取待跟踪车辆数据库。
这里，待跟踪车辆数据库包括至少一辆待跟踪车辆的特征数据。例如，待跟踪车辆数据库包括待跟踪车辆a的特征数据和待跟踪车辆b的特征数据。
在一些实施方式中，至少一辆待跟踪车辆包括需要跟踪在目标区域内的轨迹的车辆。例如，目标区域为监管区域。为保证目标区域的安全，对于任意一辆进入目标区域的车辆均需进行跟踪，此时，进入目标区域的车辆为待跟踪车辆。
在一些实施方式中，目标车辆可以是至少一辆待跟踪车辆中的任意一辆车，即目标车辆为需要跟踪在目标区域内的轨迹的车辆。
在一些实施方式中，车辆识别装置接收用户通过输入组件输入的待跟踪车辆数据库。
在一些实施方式中，车辆识别装置接收终端发送的待跟踪车辆数据库。
步骤25、在获取目标摄像头采集到的第一图像的情况下，从待跟踪车辆数据库获取一个特征数据，作为目标特征数据。
目标摄像头部署在目标区域内，而第一图像由目标摄像头采集得到，并且第一图像包含待识别车辆。那么车辆识别装置获取目标摄像头采集到的第一图像，说明待识别车辆已进入目标区域，因此需要确定待识别车辆的身份，即确定待识别车辆为至少一辆待跟踪车辆中的哪一辆车。
因此车辆识别装置在获取目标摄像头采集到的第一图像的情况下，从待跟踪车辆数据库中获取一个特征数据，并将该特征数据作为目标特征数据。这样，即可通过将第一特征数据与目标特征数据进行比对，确定待识别车辆是否为目标车辆。
应理解，步骤24和步骤25中的目标车辆仅为示例，不应理解为车辆识别装置仅从待跟踪车辆数据库中获取一辆待跟踪车辆的特征数据，并确定待识别车辆与至少一辆待跟踪车辆中的某一辆车是否相同。在实际应用中，车辆识别装置可将第一特征数据分别与待跟踪车辆数据库中的每辆待跟踪车辆的特征数据进行比对，以确定待识别车辆的身份。
本领域技术人员可以理解，在实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的执行顺序应当以其功能和可能的内在逻辑确定。
上述详细阐述了本公开实施例的方法，下面提供了本公开实施例的装置。
请参阅图2，图2为本公开实施例提供的一种车辆识别装置的结构示意图，该车辆识别装置200包括第一获取部分201、第二获取部分202、第一处理部分203、第三获取部分204、第二处理部分205，其中：
第一获取部分201，被配置为获取第一图像，所述第一图像包括待识别车辆；
第二获取部分202，被配置为获取目标车辆的目标特征数据及所述目标车辆的至少一个目标车辆属性；
第一处理部分203，被配置为对所述第一图像进行特征提取处理，得到所述待识别车辆的第一特征数据；
第三获取部分204，被配置为获取所述待识别车辆的至少一个第一车辆属性；
第二处理部分205，被配置为基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，所述第二处理部分205，包括：第一处理子部分，被配置为在所述第一特征数据和所述目标特征数据之间的相似度大于第一相似度阈值的情况下，外观属性提取依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，在所述至少一个第一车辆属性包括所述待识别车辆的第一车牌号，且所述至少一个目标车辆属性包括所述目标车辆的目标车牌号的情况下，所述第一处理子部分，包括：第一确定子部分，被配置为在所述第一车牌号与所述目标车牌号匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆相同；第二确定子部分，被配置为在所述第一车牌号与所述目标车牌号不匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆不同。
在一些实施方式中，所述至少一个第一车辆属性包括所述待识别车辆的第一车牌号 和所述待识别车辆的至少一个第一外观属性，所述至少一个目标车辆属性包括所述目标车辆的目标车牌号和所述目标车辆的至少一个目标外观属性；所述第一处理子部分，包括：第二处理子部分，被配置为在所述第一车牌号与所述目标车牌号匹配的情况下，依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，所述至少一个目标车辆属性包括所述目标车辆的至少一个目标外观属性；所述在所述第一特征数据和所述目标特征数据之间的相似度大于第一相似度阈值的情况下之后，所述第三获取部分，包括：第三处理子部分，被配置为在未识别到所述待识别车辆的第一车牌号的情况下，对所述第一图像进行外观属性提取处理，得到所述待识别车辆的至少一个第一外观属性；所述第一处理子部分，包括：第四处理子部分，被配置为依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，所述第四处理子部分，包括：第三确定子部分，被配置为确定所述至少一个第一外观属性和所述至少一个目标外观属性是否匹配，得到第一匹配结果；第四确定子部分，被配置为在所述第一匹配结果包括所述至少一个第一外观属性和所述至少一个目标外观属性匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆相同；第五确定子部分，被配置为在所述第一匹配结果包括所述至少一个第一外观属性和所述至少一个目标外观属性不匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆不同。
在一些实施方式中，所述至少一个第一外观属性和所述至少一个目标外观属性均包括置信度；在所述第三确定子部分之前，所述装置还包括：第一获取子部分，被配置为获取第二相似度阈值，所述第二相似度阈值大于所述第一相似度阈值；所述第三确定子部分，包括：第六确定子部分，被配置为在所述第一特征数据和所述目标特征数据之间的相似度大于所述第二相似度阈值，且所述至少一个第一外观属性和所述至少一个目标外观属性满足第一匹配条件或第二匹配条件的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性匹配；第七确定子部分，被配置为在所述第一特征数据和所述目标特征数据之间的相似度大于所述第二相似度阈值，且所述至少一个第一外观属性和所述至少一个目标外观属性不满足所述第一匹配条件和所述第二匹配条件的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配；所述第一匹配条件包括：所述至少一个第一外观属性和所述至少一个目标外观属性中不存在表征同一外观属性，且置信度大于置信度阈值的外观属性；所述第二匹配条件包括：所述至少一个第一外观属性中的第二外观属性与所述至少一个目标外观属性中的第三外观属性相同，所述第二外观属性和所述第三外观属性表征同一外观属性，且所述第二外观属性的置信度和所述第三外观属性的置信度均大于所述置信度阈值。
在一些实施方式中，在所述第一特征数据和所述目标特征数据之间的相似度小于或等于所述第二相似度阈值的情况下，所述装置还包括：第八确定子部分，被配置为在所述至少一个第一外观属性和所述至少一个目标外观属性中不存在表征同一外观属性，且置信度大于所述置信度阈值的外观属性的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配；第五处理子部分，被配置为确定所述至少一个第一外观属性中的第四外观属性和所述至少一个目标外观属性中的第五外观属性是否匹配，得到第二匹配结果，所述第四外观属性的置信度和所述第五外观属性的置信度均大于所述置信度阈值，且所述第四外观属性与所述第五外观属性表征同一外观属性；第九确定子部分，被配置为在所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性匹配；第十确定子部分，被配置为在所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配。
在一些实施方式中，所述第五处理子部分，包括：第十一确定子部分，被配置为在所述第四外观属性和所述第五外观属性相同的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配；第十二确定子部分，被配置为在所述第四外观属性和所述第五外观属性不同的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配。
在一些实施方式中，所述第五处理子部分，包括：第二获取子部分，被配置为在所述第四外观属性和所述第五外观属性分别表征第一车身颜色和第二车身颜色的情况下，获取所述第一车身颜色和所述第二车身颜色的车身颜色匹配关系；第十三确定子部分，被配置为在依据所述车身颜色匹配关系确定所述第一车身颜色和所述第二车身颜色不匹配的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配；第十四确定子部分，被配置为在依据所述车身颜色匹配关系确定所述第一车身颜色和所述第二车身颜色匹配的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配。
在一些实施方式中，所述第二处理部分，包括：第六处理子部分，被配置为在所述至少一个第一车辆属性和所述至少一个目标车辆属性匹配的情况下，依据所述第一特征数据和所述目标特征数据之间的相似度，得到所述待识别车辆与所述目标车辆的比对结果。
在一些实施方式中，所述第一获取部分201，包括：第三获取子部分，被配置为获取目标摄像头采集到的所述第一图像，所述目标摄像头部署于目标区域；所述第二获取部分202，包括：第四获取子部分，被配置为获取待跟踪车辆数据库，所述待跟踪车辆数据库包括至少一辆待跟踪车辆的特征数据，所述至少一辆待跟踪车辆包括需要跟踪在所述目标区域的轨迹的车辆，且所述目标车辆为所述至少一辆待跟踪车辆中的任意一辆车；第五获取子部分，被配置为在获取所述目标摄像头采集到的所述第一图像的情况下，从所述待跟踪车辆数据库获取一个特征数据作为所述目标特征数据。
在一些实施例中，本公开实施例提供的装置具有的功能或包括的部分可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述。
在本公开实施例以及其他的实施例中，“部分”可以是部分电路、部分处理器、部分程序或软件等等，当然也可以是单元，还可以是模块也可以是非模块化的。
图3为本公开实施例提供的一种车辆识别装置的硬件结构示意图。该车辆识别装置300包括处理器301，存储器302，输入装置303，输出装置304。该处理器301、存储器302、输入装置303和输出装置304通过连接器相耦合，该连接器包括各类接口、传输线或总线等等，本公开实施例对此不作限定。应当理解，本公开的各个实施例中，耦合是指通过特定方式的相互联系，包括直接相连或者通过其他设备间接相连，例如可以通过各类接口、传输线、总线等相连。
处理器301可以是一个或多个图形处理器(graphics processing unit，GPU)，在处理器301是一个GPU的情况下，该GPU可以是单核GPU，也可以是多核GPU。在一种实施场景中，处理器301可以是多个GPU构成的处理器组，多个处理器之间通过一个或多个总线彼此耦合。在另一种实施场景中，该处理器还可以为其他类型的处理器等等，本公开实施例不作限定。
存储器302可用于存储计算机程序指令，以及用于执行本公开方案的程序代码在内的各类计算机程序代码。在一种实施场景中，存储器可以包括但不限于随机存储记忆体(random access memory，RAM)、只读存储器(read-only memory，ROM)、可擦除可编程只读存储器(erasable programmable read only memory，EPROM)、或便携式只读存储器(compact disc read-only memory，CD-ROM)等，该存储器用于相关指令及数据。
输入装置303用于输入数据和/或信号，以及输出装置304用于输出数据和/或信号。输入装置303和输出装置304可以是独立的器件，也可以是一个整体的器件。
可理解，本公开实施例中，存储器302不仅可用于存储相关指令，还可用于存储相关数据，例如，该存储器302可用于存储通过输入装置303获取的目标特征数据，又或 者该存储器302还可用于存储通过处理器301得到的比对结果等等，本公开实施例对于该存储器中具体所存储的数据不作限定。
可以理解的是，图3示出了一种车辆识别装置的简化设计。在实际应用中，车辆识别装置还可以分别包括必要的其他元件，包括但不限于任意数量的输入/输出装置、处理器、存储器等，而所有可以实现本公开实施例的车辆识别装置都在本公开的保护范围之内。
本公开实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，在所述程序指令被处理器执行的情况下，使所述处理器执行上述车辆识别方法，具体可参见上述方法实施例。计算机可读存储介质可以是易失性或非易失性的。
本公开实施例提供了一种计算机程序产品，所述计算机程序产品包括计算机程序或指令，在所述计算机程序或指令在电子设备上运行的情况下，使得所述电子设备执行上述车辆识别方法，具体可参见上述方法实施例。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的工作过程，可以参考前述方法实施例中的对应过程。所属领域的技术人员还可以清楚地了解到，本公开各个实施例描述各有侧重，为描述的方便和简洁，相同或类似的部分在不同实施例中可能没有赘述，因此，在某一实施例未描述或未详细描述的部分可以参见其他实施例的记载。
在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例是示意性的，例如，所述单元的划分，为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘(digital versatile disc，DVD))、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储器(read-only memory，ROM)或随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可存储程序代码的介质。
工业实用性
本公开实施例公开了一种车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品。车辆识别方法包括：获取第一图像，所述第一图像包括待识别车辆；获取目标车辆的目标特征数据及所述目标车辆的至少一个目标车辆属性；对所述第一图像进行特征提取处理，得到所述待识别车辆的第一特征数据；获取所述待识别车辆的至少一个第一车辆属性；基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果。上述方案可以提升比对结果的准确度，并减少数据处理量。

Claims (27)

  1. 一种车辆识别方法，所述方法包括：
    获取第一图像，所述第一图像包括待识别车辆；
    获取目标车辆的目标特征数据及所述目标车辆的至少一个目标车辆属性；
    对所述第一图像进行特征提取处理，得到所述待识别车辆的第一特征数据；
    获取所述待识别车辆的至少一个第一车辆属性；
    基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果。
  2. 根据权利要求1所述的方法，其中，所述基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果，包括：
    在所述第一特征数据和所述目标特征数据之间的相似度大于第一相似度阈值的情况下，依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果。
  3. 根据权利要求2所述的方法，其中，在所述至少一个第一车辆属性包括所述待识别车辆的第一车牌号，且所述至少一个目标车辆属性包括所述目标车辆的目标车牌号的情况下，所述依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果，包括：
    在所述第一车牌号与所述目标车牌号匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆相同；
    在所述第一车牌号与所述目标车牌号不匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆不同。
  4. 根据权利要求2或3所述的方法，其中，所述至少一个第一车辆属性包括所述待识别车辆的第一车牌号和所述待识别车辆的至少一个第一外观属性，所述至少一个目标车辆属性包括所述目标车辆的目标车牌号和所述目标车辆的至少一个目标外观属性；
    所述依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果，包括：
    在所述第一车牌号与所述目标车牌号匹配的情况下，依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果。
  5. 根据权利要求2至4中任意一项所述的方法，其中，所述至少一个目标车辆属性包括所述目标车辆的至少一个目标外观属性；
    所述在所述第一特征数据和所述目标特征数据之间的相似度大于第一相似度阈值的情况下之后，所述获取所述待识别车辆的至少一个第一车辆属性，包括：
    在未识别到所述待识别车辆的第一车牌号的情况下，对所述第一图像进行外观属性提取处理，得到所述待识别车辆的至少一个第一外观属性；
    所述依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果，包括：
    依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果。
  6. 根据权利要求4或5所述的方法，其中，所述依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果，包括：
    确定所述至少一个第一外观属性和所述至少一个目标外观属性是否匹配，得到第一匹配结果；
    在所述第一匹配结果包括所述至少一个第一外观属性和所述至少一个目标外观属性匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆相同；
    在所述第一匹配结果包括所述至少一个第一外观属性和所述至少一个目标外观属性不匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆不同。
  7. 根据权利要求6所述的方法，其中，所述至少一个第一外观属性和所述至少一个目标 外观属性均包括置信度；
    所述确定所述至少一个第一外观属性和所述至少一个目标外观属性是否匹配，得到第一匹配结果之前，所述方法还包括：
    获取第二相似度阈值，所述第二相似度阈值大于所述第一相似度阈值；
    所述确定所述至少一个第一外观属性和所述至少一个目标外观属性是否匹配，得到第一匹配结果，包括：
    在所述第一特征数据和所述目标特征数据之间的相似度大于所述第二相似度阈值，且所述至少一个第一外观属性和所述至少一个目标外观属性满足第一匹配条件或第二匹配条件的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性匹配；
    在所述第一特征数据和所述目标特征数据之间的相似度大于所述第二相似度阈值，且所述至少一个第一外观属性和所述至少一个目标外观属性不满足所述第一匹配条件和所述第二匹配条件的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配；
    所述第一匹配条件包括：所述至少一个第一外观属性和所述至少一个目标外观属性中不存在表征同一外观属性，且置信度大于置信度阈值的外观属性；
    所述第二匹配条件包括：所述至少一个第一外观属性中的第二外观属性与所述至少一个目标外观属性中的第三外观属性相同，所述第二外观属性和所述第三外观属性表征同一外观属性，且所述第二外观属性的置信度和所述第三外观属性的置信度均大于所述置信度阈值。
  8. 根据权利要求7所述的方法，其中，在所述第一特征数据和所述目标特征数据之间的相似度小于或等于所述第二相似度阈值的情况下，所述方法还包括：
    在所述至少一个第一外观属性和所述至少一个目标外观属性中不存在表征同一外观属性，且置信度大于所述置信度阈值的外观属性的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配；
    确定所述至少一个第一外观属性中的第四外观属性和所述至少一个目标外观属性中的第五外观属性是否匹配，得到第二匹配结果，所述第四外观属性的置信度和所述第五外观属性的置信度均大于所述置信度阈值，且所述第四外观属性与所述第五外观属性表征同一外观属性；
    在所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性匹配；
    在所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配。
  9. 根据权利要求8所述的方法，其中，所述确定所述至少一个第一外观属性中的第四外观属性和所述至少一个目标外观属性中的第五外观属性是否匹配，得到第二匹配结果，包括：
    在所述第四外观属性和所述第五外观属性相同的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配；
    在所述第四外观属性和所述第五外观属性不同的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配。
  10. 根据权利要求8或9所述的方法，其中，所述确定所述至少一个第一外观属性中的第四外观属性和所述至少一个目标外观属性中的第五外观属性是否匹配，得到第二匹配结果，包括：
    在所述第四外观属性和所述第五外观属性分别表征第一车身颜色和第二车身颜色的情况下，获取所述第一车身颜色和所述第二车身颜色的车身颜色匹配关系；
    在依据所述车身颜色匹配关系确定所述第一车身颜色和所述第二车身颜色不匹配的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配；
    在依据所述车身颜色匹配关系确定所述第一车身颜色和所述第二车身颜色匹配的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配。
  11. 根据权利要求1至10中任意一项所述的方法，其中，所述基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆 属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果，包括：
    在所述至少一个第一车辆属性和所述至少一个目标车辆属性匹配的情况下，依据所述第一特征数据和所述目标特征数据之间的相似度，得到所述待识别车辆与所述目标车辆的比对结果。
  12. 根据权利要求1至11中任意一项所述的方法，其中，所述获取第一图像，包括：
    获取目标摄像头采集到的所述第一图像，所述目标摄像头部署于目标区域；
    所述获取目标车辆的目标特征数据，包括：
    获取待跟踪车辆数据库，所述待跟踪车辆数据库包括至少一辆待跟踪车辆的特征数据，所述至少一辆待跟踪车辆包括需要跟踪在所述目标区域的轨迹的车辆，且所述目标车辆为所述至少一辆待跟踪车辆中的任意一辆车；
    在获取所述目标摄像头采集到的所述第一图像的情况下，从所述待跟踪车辆数据库获取一个特征数据作为所述目标特征数据。
  13. 一种车辆识别装置，所述装置包括：
    第一获取部分，被配置为获取第一图像，所述第一图像包括待识别车辆；
    第二获取部分，被配置为获取目标车辆的目标特征数据及所述目标车辆的至少一个目标车辆属性；
    第一处理部分，被配置为对所述第一图像进行特征提取处理，得到所述待识别车辆的第一特征数据；
    第三获取部分，被配置为获取所述待识别车辆的至少一个第一车辆属性；
    第二处理部分，被配置为基于所述第一特征数据和所述目标特征数据之间的相似度、以及所述至少一个第一车辆属性和所述至少一个目标车辆属性的匹配结果，得到所述待识别车辆与所述目标车辆的比对结果。
  14. 根据权利要求13所述的装置，其中，所述第二处理部分，包括：
    第一处理子部分，被配置为在所述第一特征数据和所述目标特征数据之间的相似度大于第一相似度阈值的情况下，依据所述至少一个第一车辆属性和所述至少一个目标车辆属性，得到所述待识别车辆与所述目标车辆的比对结果。
  15. 根据权利要求14所述的装置，其中，在所述至少一个第一车辆属性包括所述待识别车辆的第一车牌号，且所述至少一个目标车辆属性包括所述目标车辆的目标车牌号的情况下，所述第一处理子部分，包括：
    第一确定子部分，被配置为在所述第一车牌号与所述目标车牌号匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆相同；
    第二确定子部分，被配置为在所述第一车牌号与所述目标车牌号不匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆不同。
  16. 根据权利要求14或15所述的装置，其中，所述至少一个第一车辆属性包括所述待识别车辆的第一车牌号和所述待识别车辆的至少一个第一外观属性，所述至少一个目标车辆属性包括所述目标车辆的目标车牌号和所述目标车辆的至少一个目标外观属性；
    所述第一处理子部分，包括：
    第二处理子部分，被配置为在所述第一车牌号与所述目标车牌号匹配的情况下，依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果。
  17. 根据权利要求14至16中任意一项所述的装置，其中，所述至少一个目标车辆属性包括所述目标车辆的至少一个目标外观属性；
    所述在所述第一特征数据和所述目标特征数据之间的相似度大于第一相似度阈值的情况下之后，所述第三获取部分，包括：
    第三处理子部分，被配置为在未识别到所述待识别车辆的第一车牌号的情况下，对所述第一图像进行外观属性提取处理，得到所述待识别车辆的至少一个第一外观属性；
    所述第一处理子部分，包括：
    第四处理子部分，被配置为依据所述至少一个第一外观属性和所述至少一个目标外观属性，得到所述待识别车辆与所述目标车辆的比对结果。
  18. 根据权利要求17所述的装置，其中，所述第四处理子部分，包括：
    第三确定子部分，被配置为确定所述至少一个第一外观属性和所述至少一个目标外观属性是否匹配，得到第一匹配结果；
    第四确定子部分，被配置为在所述第一匹配结果包括所述至少一个第一外观属性和所述至少一个目标外观属性匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆相同；
    第五确定子部分，被配置为在所述第一匹配结果包括所述至少一个第一外观属性和所述至少一个目标外观属性不匹配的情况下，确定所述比对结果包括所述待识别车辆与所述目标车辆不同。
  19. 根据权利要求18所述的装置，其中，所述至少一个第一外观属性和所述至少一个目标外观属性均包括置信度；
    在所述第三确定子部分之前，所述装置还包括：
    第一获取子部分，被配置为获取第二相似度阈值，所述第二相似度阈值大于所述第一相似度阈值；
    所述第三确定子部分，包括：
    第六确定子部分，被配置为在所述第一特征数据和所述目标特征数据之间的相似度大于所述第二相似度阈值，且所述至少一个第一外观属性和所述至少一个目标外观属性满足第一匹配条件或第二匹配条件的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性匹配；
    第七确定子部分，被配置为在所述第一特征数据和所述目标特征数据之间的相似度大于所述第二相似度阈值，且所述至少一个第一外观属性和所述至少一个目标外观属性不满足所述第一匹配条件和所述第二匹配条件的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配；
    所述第一匹配条件包括：所述至少一个第一外观属性和所述至少一个目标外观属性中不存在表征同一外观属性，且置信度大于置信度阈值的外观属性；
    所述第二匹配条件包括：所述至少一个第一外观属性中的第二外观属性与所述至少一个目标外观属性中的第三外观属性相同，所述第二外观属性和所述第三外观属性表征同一外观属性，且所述第二外观属性的置信度和所述第三外观属性的置信度均大于所述置信度阈值。
  20. 根据权利要求19所述的装置，其中，在所述第一特征数据和所述目标特征数据之间的相似度小于或等于所述第二相似度阈值的情况下，所述装置还包括：
    第八确定子部分，被配置为在所述至少一个第一外观属性和所述至少一个目标外观属性中不存在表征同一外观属性，且置信度大于所述置信度阈值的外观属性的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配；
    第五处理子部分，被配置为确定所述至少一个第一外观属性中的第四外观属性和所述至少一个目标外观属性中的第五外观属性是否匹配，得到第二匹配结果，所述第四外观属性的置信度和所述第五外观属性的置信度均大于所述置信度阈值，且所述第四外观属性与所述第五外观属性表征同一外观属性；
    第九确定子部分，被配置为在所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性匹配；
    第十确定子部分，被配置为在所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配的情况下，确定所述第一匹配结果包括所述至少一个第一外观属性与所述至少一个目标外观属性不匹配。
  21. 根据权利要求20所述的装置，其中，所述第五处理子部分，包括：
    第十一确定子部分，被配置为在所述第四外观属性和所述第五外观属性相同的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配；
    第十二确定子部分，被配置为在所述第四外观属性和所述第五外观属性不同的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配。
  22. 根据权利要求20或21所述的装置，其中，所述第五处理子部分，包括：
    第二获取子部分，被配置为在所述第四外观属性和所述第五外观属性分别表征第一车身颜色和第二车身颜色的情况下，获取所述第一车身颜色和所述第二车身颜色的车身颜色匹配关系；
    第十三确定子部分，被配置为在依据所述车身颜色匹配关系确定所述第一车身颜色和所述第二车身颜色不匹配的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性不匹配；
    第十四确定子部分，被配置为在依据所述车身颜色匹配关系确定所述第一车身颜色和所述第二车身颜色匹配的情况下，确定所述第二匹配结果包括所述第四外观属性和所述第五外观属性匹配。
  23. 根据权利要求13至22中任意一项所述的装置，其中，所述第二处理部分，包括：
    第六处理子部分，被配置为在所述至少一个第一车辆属性和所述至少一个目标车辆属性匹配的情况下，依据所述第一特征数据和所述目标特征数据之间的相似度，得到所述待识别车辆与所述目标车辆的比对结果。
  24. 根据权利要求13至23中任意一项所述的装置，其中，所述第一获取部分，包括：
    第三获取子部分，被配置为获取目标摄像头采集到的所述第一图像，所述目标摄像头部署于目标区域；
    所述第二获取部分，包括：
    第四获取子部分，被配置为获取待跟踪车辆数据库，所述待跟踪车辆数据库包括至少一辆待跟踪车辆的特征数据，所述至少一辆待跟踪车辆包括需要跟踪在所述目标区域的轨迹的车辆，且所述目标车辆为所述至少一辆待跟踪车辆中的任意一辆车；
    第五获取子部分，被配置为在获取所述目标摄像头采集到的所述第一图像的情况下，从所述待跟踪车辆数据库获取一个特征数据作为所述目标特征数据。
  25. 一种电子设备，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，在所述处理器执行所述计算机指令的情况下，所述电子设备执行权利要求1至12中任意一项所述的方法。
  26. 一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，在所述程序指令被处理器执行的情况下，使所述处理器执行权利要求1至12中任意一项所述的方法。
  27. 一种计算机程序产品，所述计算机程序产品包括计算机程序或指令，在所述计算机程序或指令在电子设备上运行的情况下，使得所述电子设备执行权利要求1至12中任意一项所述的方法。
PCT/CN2022/107695 2021-08-23 2022-07-25 车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品 WO2023024790A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110971082.4A CN113705566A (zh) 2021-08-23 2021-08-23 车辆识别方法及装置、电子设备及计算机可读存储介质
CN202110971082.4 2021-08-23

Publications (1)

Publication Number Publication Date
WO2023024790A1 true WO2023024790A1 (zh) 2023-03-02

Family

ID=78654294

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/107695 WO2023024790A1 (zh) 2021-08-23 2022-07-25 车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品

Country Status (2)

Country Link
CN (1) CN113705566A (zh)
WO (1) WO2023024790A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705566A (zh) * 2021-08-23 2021-11-26 深圳市商汤科技有限公司 车辆识别方法及装置、电子设备及计算机可读存储介质
CN114332783A (zh) * 2021-12-30 2022-04-12 北京市商汤科技开发有限公司 车辆改装检测方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090018721A1 (en) * 2006-10-27 2009-01-15 Mian Zahid F Vehicle evaluation using infrared data
CN110765954A (zh) * 2019-10-24 2020-02-07 浙江大华技术股份有限公司 一种车辆重识别方法、设备及存储装置
CN111126224A (zh) * 2019-12-17 2020-05-08 成都通甲优博科技有限责任公司 车辆检测方法及分类识别模型训练方法
CN111368651A (zh) * 2020-02-18 2020-07-03 杭州海康威视系统技术有限公司 一种车辆识别方法、装置及电子设备
CN112766139A (zh) * 2021-01-14 2021-05-07 北京迈格威科技有限公司 目标识别方法及装置、存储介质及电子设备
CN113705566A (zh) * 2021-08-23 2021-11-26 深圳市商汤科技有限公司 车辆识别方法及装置、电子设备及计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090018721A1 (en) * 2006-10-27 2009-01-15 Mian Zahid F Vehicle evaluation using infrared data
CN110765954A (zh) * 2019-10-24 2020-02-07 浙江大华技术股份有限公司 一种车辆重识别方法、设备及存储装置
CN111126224A (zh) * 2019-12-17 2020-05-08 成都通甲优博科技有限责任公司 车辆检测方法及分类识别模型训练方法
CN111368651A (zh) * 2020-02-18 2020-07-03 杭州海康威视系统技术有限公司 一种车辆识别方法、装置及电子设备
CN112766139A (zh) * 2021-01-14 2021-05-07 北京迈格威科技有限公司 目标识别方法及装置、存储介质及电子设备
CN113705566A (zh) * 2021-08-23 2021-11-26 深圳市商汤科技有限公司 车辆识别方法及装置、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN113705566A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
WO2023024790A1 (zh) 车辆识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品
US11151363B2 (en) Expression recognition method, apparatus, electronic device, and storage medium
WO2020042489A1 (zh) 违法停车案件的鉴别方法、装置和计算机设备
US20200117946A1 (en) Method, apparatus and application system for extracting a target feature
WO2018112707A1 (zh) 障碍物检测方法及装置
US11126882B2 (en) Method and device for license plate positioning
US10445602B2 (en) Apparatus and method for recognizing traffic signs
WO2023010758A1 (zh) 一种动作检测方法、装置、终端设备和存储介质
US10521700B2 (en) Methods and systems for converting a line drawing to a rendered image
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
CN111291812B (zh) 属性类别的获取方法及装置、存储介质、电子装置
CN112085701A (zh) 一种人脸模糊度检测方法、装置、终端设备及存储介质
WO2022052375A1 (zh) 车辆识别方法及装置、电子设备及存储介质
WO2023024787A1 (zh) 图像处理方法及装置、电子设备、计算机可读存储介质及计算机程序产品
CN112580734A (zh) 目标检测模型训练方法、系统、终端设备及存储介质
US11164327B2 (en) Estimation of human orientation in images using depth information from a depth camera
AG Development of portable automatic number plate recognition (ANPR) system on Raspberry Pi
CN111709377B (zh) 特征提取方法、目标重识别方法、装置及电子设备
CN112163480A (zh) 一种行为识别方法及装置
CN111444911A (zh) 车牌识别模型的训练方法及装置、车牌识别方法及装置
CN114299030A (zh) 物体检测模型处理方法、装置、设备及存储介质
CN112686122A (zh) 人体及影子的检测方法、装置、电子设备、存储介质
CN112380169A (zh) 存储装置、数据处理方法、装置、设备、介质和系统
CN110689481A (zh) 车辆种类识别方法及装置
CN115546105A (zh) 一种轮胎花纹检测方法、装置、可读存储介质及终端设备

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22860136

Country of ref document: EP

Kind code of ref document: A1