详情

原文传递基于局部特征的车辆重识别问题研究

论文题名：	基于局部特征的车辆重识别问题研究
关键词：	智慧交通;车辆重识别;局部特征;区域协作
摘要：	随着数字基础设施的完善和人工智能的发展，智慧城市建设逐渐被提上日程。据中国交通管理局统计，2021年全国汽车保有量达3.02亿辆，79个城市有超100万辆的汽车。海量的交通信息使得人力在城市治理的作用式微，研究车辆重识别具有必要性。目前中国公路里程居世界第三，借助车辆重识别等数字化管理手段提高城市治理水平具有迫切性。近年来计算机算力的提升和人工智能的发展使得车辆重识别的研究具有可能性。　　车辆重识别是一个多目标多摄像头追踪任务，本质上是图像检索问题。然而，尽管车辆重识别的研究得到了很大进步，车辆是现代工业流水线产品，独具个性的特征相对缺少，且车辆是一个多面体，从不同视角拍摄到的车辆图像差异较大，车辆重识别类内差异与类间相似的问题仍未得到解决。此外，现实生活中由监控摄像头拍摄的车辆图像往往分辨率低，还会出现遮挡、运动模糊等现象。因此，要提取具有辨识度的特征来重识别特定车辆比较困难。　　针对这些问题，本文提出了一种基于局部特征的车辆重识别方法，在该方法基础上设计一种高低频信息重组图像超分辨率算法，进一步提高车辆重识别效果。本文研究内容与方法主要分为两大部分：　　（1）基于区域协作的车辆重识别方法　　针对车辆重识别中类内差异与类间相似导致的车辆局部特征提取难问题，本文在基线模型基础上，提出一种基于局部特征的车辆重识别方法。设计一种基于细粒度目标检测的局部特征提取方法，尽最大可能捕捉车辆可用特征，适应车辆图像视角不断变化的情况。　　针对车辆重识别中类内差异与类间相似导致的车辆局部特征利用难问题，在对局部特征进行细粒度的目标检测后，提出区域协作机制，自适应地赋予局部特征更合理的权重，并与图像全局特征结合进行重识别。　　（2）融合超分辨率的车辆重识别方法　　针对车辆重识别数据集缺乏对应高分辨率图像的困境，采用噪声过滤和核估计的图像退化方法构造伪高低分辨率图像对，作为本文车辆重识别场景下高低频信息重组图像超分辨率模型数据集。为增强车辆图像的有用特征，本文用变分自编码器重建车辆图像并提取图像高频信息，作为超分辨率模型的辅助输入。　　针对现实情况下车辆图像分辨率低导致的局部特征提取难问题，本文提出一种适用于车辆重识别场景的高低频信息重组图像超分辨率方法，提高图像的分辨率和局部分支模型的鲁棒性。　　本文采用循序渐进的方法，设计区域协作机制、超分辨率方法，在基线模型的基础上一步步提升车辆重识别效果。在固定摄像头拍摄场景与无人机拍摄场景的公开数据集进行实验，设置固定的局部特征权重作为消融实验以验证区域协作机制的效果，并与近年来的多个方法进行对比，充分的实验证明了这些方法的有效性和普适性。
作者：	李鉴明
专业：	网络空间安全
导师：	仇晶
授予学位：	硕士
授予学位单位：	广州大学
学位年度：	2022