一种融合表观与属性信息的车辆重识别方法

谢秀珍，罗志明，连 盛，李绍滋

(1.厦门大学信息学院，福建厦门361005；2.龙岩学院数学与信息工程学院，福建龙岩364002)

随着城市车辆迅猛增加，对目标车辆的快速查找、跟踪和定位已成为公共交通安全管理的重要内容之一.目前大部分道路交通监控系统中，对车辆的识别主要是通过识别特定角度高清摄像头拍摄的前后车牌号来完成的；但在实际环境中还存在大量摄像头分辨率低、拍摄角度非特定、车牌被遮挡等情况，导致无法直接从视频中提取车牌号来对车辆进行识别，因此也需要采用其他方法实现对车辆的识别工作.车辆重识别也叫作车辆再识别，其主要目的是构建一个跨摄像头的车辆图像检索模型，能够对某一监控摄像头下拍摄到的指定目标车辆，实现快速准确地检索与识别该车辆在其他不同监控摄像头下对应出现的图像[1].在真实的道路交通监控场景中，车辆图片不可避免受到各种因素的影响：光照明暗、拍摄角度、障碍物对目标车辆的不同部位的遮盖、摄像设备的分辨率不同等，都会导致很大的车辆外观差异性.因此与其他目标检测识别[2-3]问题相类似，要实现准确的车辆重识别，其中的一个重要环节是提取车辆特征来作为重识别的主要依据，特征的判别力强弱将直接影响重识别的结果.

在深度学习[4]方法被广泛运用之前，主要是通过手动设计提取各种具有较强判断性的视觉特征(整体或部分的颜色特征、纹理特征或关键敏感区域的特征).如：王盼盼等[5]手动提取车辆图片的HSV(hue，saturation，value)和局部二值模式(LBP)特征并进行融合，再进行奇异值分解，提取特征值；……