时空车辆重识别
计算机视觉与模式识别
2023-09-06 v1 人工智能
摘要
大规模摄像机网络中的车辆重识别（ReID）在公共安全、交通管控与安全领域十分重要。然而，由于车辆外观的模糊性，以往基于外观的 ReID 方法常难以跨多摄像机跟踪车辆。为克服该挑战，我们提出一种时空车辆 ReID 框架，基于自适应 Parzen 窗方法估计可靠的摄像机网络拓扑，并通过融合网络最优地结合外观与时空相似性。基于所提方法，我们在公开数据集（VeRi776）上取得了 99.64% 的 rank-1 准确率，表现优异。实验结果支持利用时空信息进行 ReID 可提升基于外观方法的精度，并有效应对外观模糊性。
引用
@article{arxiv.2309.01166,
title = {Spatial-temporal Vehicle Re-identification},
author = {Hye-Geun Kim and YouKyoung Na and Hae-Won Joe and Yong-Hyuk Moon and Yeong-Jun Cho},
journal= {arXiv preprint arXiv:2309.01166},
year = {2023}
}
备注
10 pages, 6 figures