用于车辆重识别的基于细节感知的判别特征学习模型*

邱铭凯，李熙莹

中山大学智能工程学院/广东省智能交通系统重点实验室/视频图像智能分析与应用技术公安部重点实验室，广东广州 510006

车辆重识别的一个重要应用就是重构车辆轨迹。通过车辆重识别，可以实现连续时间内同一车辆在不同摄像头下的关联，实现基于道路监控视频的车辆轨迹重构。利用车辆重识别重构的车辆轨迹，结合车辆驾驶员信息，可以实现用户乘客出行规律分析，进一步实现乘客出行预测及出行引导。另外，在公安刑侦方面，车辆重识别可以用于车辆跟踪、被盗车辆检索以及车辆套牌验证等场景。因此，车辆重识别在智能交通系统中具有重要的研究意义。如何在视频大数据中基于计算机视觉技术，自动实现车辆重识别，是智能交通系统发展中一个亟需解决的问题。

车辆重识别在实际研究中的一大挑战就是对外观相似的不同车辆进行区分。在实际场景中，道路上存在多辆车属于同一款式的情况，而在同一摄像头下拍摄到的不同车辆，由于款式和颜色相同，外观相似度高，难以区分。由于相似外观的不同车辆之间的差异主要集中于车窗装饰物等局部区域，提升算法对于局部细节差异的捕获能力成为研究的关键。

现有的车辆重识别研究主要利用深度学习技术，通过设计相应的训练任务及改进网络结构来指导网络提取到具有辨识度的特征。为了加快网络训练，使得网络训练过程更加稳定，Liu 等［1］设计了一个Couple Cluster Loss 以改进三元组损失；……