廣告
基于特征魯棒性增強(qiáng)的多攝像頭下車輛識別方法
論文基本信息
01.擬解決的問題和創(chuàng)新點(diǎn)
為緩解在多攝像下車輛識別能力的不足的問題，本文在transformer 框架下提出了一種基于結(jié)構(gòu)信息增強(qiáng)的車輛識別方法。
考慮到輪廓特征可以有效的描述車輛的結(jié)構(gòu)信息，設(shè)計(jì)了一個輪廓特征增強(qiáng)模塊，在特征空間中提高了網(wǎng)絡(luò)對紋理信息提取的能力。
提出一種新的結(jié)構(gòu)特征感知損失，約束特征盡可能有效地融合結(jié)構(gòu)信息。
提出一種屬性信息嵌入模塊，可以將車輛的非視覺信息，例如車輛的方向信息和類型作為矢量嵌入到transformer 框架中，以此消除攝像頭帶來的視角偏差。
02.技術(shù)流程圖
03.模型介紹
采用雙流的網(wǎng)絡(luò)結(jié)構(gòu)，分為主干網(wǎng)絡(luò)和分支網(wǎng)絡(luò)，主干網(wǎng)絡(luò)用于學(xué)習(xí)車輛的類別信息，分支網(wǎng)絡(luò)用于學(xué)習(xí)車輛的結(jié)構(gòu)信息。
04.模型對比結(jié)果
數(shù)據(jù)集和評估指標(biāo)
對比實(shí)驗(yàn)結(jié)果
05.注意力圖仿真實(shí)驗(yàn)
06.結(jié)論
本文提出了一種transformer 框架下判別性信息增強(qiáng)的車輛識別方法，可以在多攝像頭不同視角的領(lǐng)域空間中提取魯棒性的識別特征。該方法先使用結(jié)構(gòu)信息引導(dǎo)模塊提升特征對于車輛輪廓信息的感知能力，同時(shí)引入一個新的結(jié)構(gòu)特征感知損失，約束支路網(wǎng)絡(luò)提取到更全面的輪廓信息，并通過特征融合的方式使主干網(wǎng)絡(luò)能提取支線網(wǎng)絡(luò)得到的輪廓信息。
本文設(shè)計(jì)了一個非視覺信息嵌入模塊，將車輛的屬性信息(車輛方向和類型信息)嵌入到主干網(wǎng)絡(luò)中，進(jìn)一步解決了多攝像頭下不同視角帶來的車輛外觀姿態(tài)不一致的問題。該方法在VeRi-776 和VehicleID 數(shù)據(jù)集進(jìn)行了充分的實(shí)驗(yàn)，并與最新的車輛識別方法進(jìn)行了詳盡的對比，結(jié)果顯示本文提出的方法表現(xiàn)出顯著的性能提升和優(yōu)越的識別能力。
本文主要圍繞跨視角的監(jiān)控視頻下車輛的姿態(tài)差異問題展開研究，并提出了不同的模塊賦予網(wǎng)絡(luò)在多視角下依然具有提取魯棒性特征的能力，在交通監(jiān)管、犯罪追蹤和車輛監(jiān)控等方面具有廣闊的應(yīng)用前景。
本文的研究工作存在一些未解決的問題，需要未來的進(jìn)一步深入。在實(shí)際場景中，車輛往往遭遇被物體遮擋的情況，例如，路邊來往的行人、周圍經(jīng)過的車輛以及路標(biāo)和車站等建筑物。當(dāng)車輛被遮擋時(shí)，提取到的特征通常帶有遮擋物的信息，缺乏判別性。因此，設(shè)計(jì)出有效的模型應(yīng)對車輛被遮擋的情況，使用注意力機(jī)制或局部特征補(bǔ)充策略等方法只關(guān)注車輛未被遮擋的部分，從而提取出更具有判別性的特征，是未來車輛識別發(fā)展的重要趨勢。此外，隨著監(jiān)控設(shè)備的進(jìn)一步升級，大部分現(xiàn)有的監(jiān)控?cái)z像頭具有夜視功能，夜間拍攝到的車輛圖像多為紅外圖像，與僅在白天的車輛識別相比，跨白天和黑夜不同模態(tài)的圖像檢索與匹配更具有挑戰(zhàn)性。
廣告 編輯推薦
最新資訊
-
開年豪擲1.8億搶用戶，又一車企加入“價(jià)格
2026-03-04 16:05
-
聯(lián)合國法規(guī)R60對兩輪車操縱件與指示裝置的
2026-03-04 12:08
-
標(biāo)準(zhǔn)立項(xiàng)|《汽車異種材料鉚接接頭拉伸性能
2026-03-04 11:40
-
“汽車大角度座椅 第1部分：通用要求”將有
2026-03-04 11:39
-
“汽車大角度座椅 第2部分：可靠性要求”將
2026-03-04 11:39
