迈向统一的细粒度车辆分类与自动车牌识别
计算机视觉与模式识别
2026-04-29 v1
摘要
从监控图像中提取车辆信息对于智能交通系统至关重要，可支持交通监控和刑事调查等应用。虽然自动车牌识别 (ALPR) 被广泛使用，但细粒度车辆分类 (FGVC) 提供了一种互补方法，通过颜色、品牌、型号和类型等属性来识别车辆。尽管该领域已有进展，现有研究通常假设受控条件良好、探索的属性有限，并且忽视了 FGVC 与 ALPR 的整合。为弥补这些空白，我们引入了 UFPR-VeSV，一个包含 24,945 张图像的数据集，涵盖 16,297 辆独特车辆，标注了 13 种颜色、26 个品牌、136 个型号和 14 种类型。该数据集来自巴西巴拉那州军事警察的监控系统，捕捉了多样的真实世界条件，包括部分遮挡、夜间红外成像和光照变化。所有 FGVC 标注均通过车牌信息进行了验证，同时提供了文本和角点标注。与已有数据集的定性和定量比较证实了本数据集的 challenging 性质。使用五种深度学习模型的基准测试进一步验证了这一点，揭示了特定挑战，如处理多色车辆、红外图像以及区分共享同一平台的车型。此外，我们应用了两种光学字符识别模型进行车牌识别，并探索了 FGVC 与 ALPR 的联合使用。结果突显了整合这些互补任务用于实际应用的潜力。UFPR-VeSV 数据集在 https://github.com/Lima001/UFPR-VeSV-Dataset 公开发布。
引用
@article{arxiv.2604.05271,
title = {Toward Unified Fine-Grained Vehicle Classification and Automatic License Plate Recognition},
author = {Gabriel E. Lima and Valfride Nascimento and Eduardo Santos and Eduil Nascimento and Rayson Laroca and David Menotti},
journal= {arXiv preprint arXiv:2604.05271},
year = {2026}
}
备注
Accepted for publication in the Journal of the Brazilian Computer Society (JBCS)