基于多尺度和小波空间注意力的车辆重识别*

廖光锴，张 正，牛一博，宋治国

(1.吉首大学信息科学与工程学院，湖南 吉首 416000；2.吉首大学物理与机电工程学院，湖南 吉首416000)

车辆重识别(Vehicle Re-identification)也称为车辆再识别，是继行人重识别后的又一个研究热点，属于图像检索的子问题.车辆重识别是指在一个大型图库中检索特定车辆身份的所有图像，这些图像由不同方向、不同时间和不同地点拍摄的车辆图像组成，在智能交通、跨摄像头跟踪、城市监控等领域有着广泛的应用[1-4].但是由于外界环境的复杂性，摄像头拍摄的图片会出现低分辨率、任意视点、运用模糊、遮挡、光照条件差等问题，使得车辆重识别的准确率受到了限制[5-10].在实际应用中，车辆重识别存在2个主要问题：首先，由于拍摄环境不同，车辆在运动过程中拍摄车辆图片模糊，多视角等因素导致了同一车辆前后外观差异很大；其次，由于现在出现了很多的高仿车辆，还有一定的光照、遮挡等问题造成了不同车辆外观有较大的相似性.解决这2个问题的关键在于提取具有高度辨识力的特征.类比于行人重识别(Person Re-identification)，但行人重识别的模型可以学习基于服饰和配饰的辨识性特征，还可以按照人的高度划分头部、躯干、腿部和脚，来实现检索行人图片[11-13].然而，车辆重识别是一个全新的检索任务，比行人重识别更具有挑战性.不同的车辆可能有相似的颜色和形状，尤其是来自同一个制造商的特定型号、装饰和年份的车辆[14-17].因此，如何有效地提取具有辨……