基于高置信局部特征的车辆重识别优化算法

发布时间：2021-11-09 05:54

　　根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。 

【文章来源】：北京航空航天大学学报. 2020,46(09)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

验证集上的实验结果

虽然汽车制造商的设计理念差异很大,但设计的具体汽车却有很多极为相似的车型,甚至有很多贴牌生产的车型。此外,城市监控摄像头所拍摄的图片角度比较固定,甚至无法清晰地捕捉车辆各个角度的细节。本文提取车标扩散区域特征作为高置信局部特征,提升相似车辆区分度,提高识别准确率。图2展示了测试数据集中车标扩散区域不同、外形却很相似的车辆图片,白色轿车的拍摄角度完全一致,外形也极其相似,但根据矩形框中的车标扩散区域却可以进行区分。图2 不同车标扩散区域的相似车型

不同车标扩散区域的相似车型


本文编号：3484757