复杂环境中基于视觉词袋模型的车辆再识别算法

根据公共安全部门在复杂环境中搜索出特定目标的迫切需求,将目标再识别(re-ID)技术应用到车辆识别领域,提出了一种基于视觉词袋(Bo VW)模型的车辆再识别解决方案。首先,为解决复杂环境中遮挡、目标物位姿变化、目标物在图片中的大小位置存在差异等问题,提取出可基于不同尺度、不同位姿的改进基于部件的一对一局部特征(POOF);其次,通过基于欧氏距离的聚类算法获取视觉词袋中的词汇集合;接着,将训练和测试集中的每张图像或目标转换为词袋中的词汇表述集;最后,利用基于改进保持直接简单原则的度量方法(KISSME)上的再排序方法分离出类间距离和类内距离,通过最近邻方法(KNN)获得识别结果。实验结果显示,在基础特征构建环节上该算法比冒泡银行算法(BB)识别率提升了3.85个百分点;其基于KISSME距离度量的改进再排序算法比贝叶斯再访问算法提升了3.14个百分点。最后,算法对目标位姿变化和局部遮挡具有的适应性和整体时效指标,进一步验证了其可适应于复杂环境应用的特色和优越性。