用于车辆重识别的基于细节感知的判别特征学习模型

在多摄像头下拍摄的车辆图片集合中,对属于目标车辆的图片进行匹配为车辆重识别。如何有效的区分具有相似外观的不同车辆的图片,是车辆重识别的一大挑战。考虑到不同车辆之间的差异集中于车窗等区域的细节,文章提出了一个基于细节感知的判别特征学习模型;设计了一个指导式的车辆局部特征提取流程,将局部特征与骨干网络提取的全局特征联合作为车辆的提取特征,不同车辆联合特征之间的欧式距离作为相似度衡量。在算法实验中,所提出的算法在公开数据集VehicleID与VeRi上都取得领先于现有车辆重识别算法的结果,验证了算法的有效性。

基于部件融合特征的车辆重识别算法

针对车辆型号相同但车辆个体不同的重识别问题,提出一种新的车辆重识别算法。运用部件检测算法获取不同车辆之间差异较大的车窗和车脸区域,对检测到的车窗和车脸区域进行特征提取并进行融合,生成新的融合特征,计算图像特征之间距离度量进行分类识别。在中山大学公开数据集VRID-1上进行测试,结果表明,该算法的Rank1匹配率达到66.67%,明显优于经典的传统特征表征算法,从而验证该算法是可行且有效的。