消除跨摄像头偏差用于车辆重识别
计算机视觉与模式识别
2019-12-24 v1
摘要
车辆重识别（reID）常需在多摄像头采集的大型数据集中识别目标车辆。它在日益增多的城市监控视频自动分析中发挥重要作用，已成为近年来的研究热点。然而，车辆图像外观易受环境的影响，如不同光照、背景与视角，导致不同摄像头间存在较大偏差。为解决此问题，本文提出一种跨摄像头自适应框架（CCA），通过挖掘所有样本在摄像头间的公共空间来平滑该偏差。CCA首先将多摄像头图像转换至同一摄像头以降低光照与分辨率的影响，从而生成分布相似的样本。然后，为消除背景干扰并聚焦于有价值区域，我们提出注意力对齐网络（AANet）来学习用于车辆重识别的强判别特征。特别地，在AANet中引入带注意力模块的空间变换网络，以定位一系列具有高注意力权重的最具判别性区域并抑制背景。此外，综合实验结果证明所提CCA在基准数据集VehicleID与VeRi-776上取得了优异性能。
引用
@article{arxiv.1912.10193,
title = {Eliminating cross-camera bias for vehicle re-identification},
author = {Jinjia Peng and Guangqi Jiang and Dongyan Chen and Tongtong Zhao and Huibing Wang and Xianping Fu},
journal= {arXiv preprint arXiv:1912.10193},
year = {2019}
}