基于特征融合和度量學習的車輛重識別

王盼盼，李玉惠，李福衛

(1.昆明理工大學 信息工程與自動化學院，昆明 云南 650500；2.昆明聚信豐科技有限公司，昆明 云南 650500)

重識別技術旨在從不同的拍攝場景中識別出相同的目標，是智能視頻監控研究領域的重要分支，近年來, 監控視頻中重識別問題引起了廣大科研人員的興趣并對其進行了相應的研究。圖片車輛重識別是重識別技術需要解決的問題之一，其中通過車輛的號牌識別來達到車輛重識別是一種簡單有效的方法，但在道路監控視頻中往往存在無車牌或車牌被遮擋的情況，給交通執法部門帶來不小的挑戰，這就需要通過提取、比對拍攝車輛的其他信息才能達到車輛重識別的目的。在通過監控視頻提取不同攝像頭拍攝同一目標時，存在著光照變化、視角變化以及攝像機自身屬性的問題,導致同一目標的車輛圖像的角度、顏色和輪廓等特征差別較大，使得車輛重識別問題變得更為復雜。

為了解決以上目標重識別中遇到的問題，許多方法陸續被提出，這些研究主要針對重識別所涉及到兩大問題：圖片的特征表示以及度量學習。文獻[1]利用深度卷積網絡通過計算原車輛圖像的歐氏空間中的距離可以直接用來測量任意兩車相似性。文獻[2]利用SVM建立了特征空間和分類的空間之間的對應關系，并通過最小二乘半耦合(lsscdl)字典學習算法學習對詞典的有效映射，達到分類與識別的目的。文獻[3]利用相對距離比較(RDC)學習，優化目標圖像之間的相似性度量，強調了目標圖像的可靠性和個性化特征。……