车辆重识别方法

大多数研究者使用基于分类的车辆重识别。这总是需要随市场上新车型进行更新。本文提出两类车辆重识别方法。第一类为标准方法，需要待搜索车辆的一张图像。VRIC 和 VehicleID 数据集适用于训练该模块。将详细阐述如何利用一个为分类而设计的已训练网络来提升该方法性能。第二类方法以具有相似厂商/型号、出厂年份和颜色的待搜索车辆的代表性图像作为输入。在无法获取待搜索车辆图像时其非常有用。它输出形状和颜色特征。这可用于在数据库中匹配以重识别与待搜索车辆外观相似的车辆。为获得鲁棒的重识别模块，我们训练了一个细粒度分类器，其类别由四个元素组成：车辆厂商指车辆制造商（如 Mercedes-Benz），车辆型号指该制造商产品组合中的型号类型（如 C Class），年份指车型的迭代版本（制造商可能对其进行渐进改动与升级），以及车辆视角。因而，全部四个元素以递增的具体程度描述车辆。车辆形状分类旨在对这四个元素的组合进行分类。颜色分类被单独训练。将展示车辆重识别的结果。利用所开发的工具，将演示在视频图像和受控数据集上的车辆重识别。本工作部分受基金资助。