廣告
基于特征魯棒性增強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
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構信息增強的車輛識別方法。
考慮到輪廓特征可以有效的描述車輛的結構信息，設計了一個輪廓特征增強模塊，在特征空間中提高了網(wǎng)絡對紋理信息提取的能力。
提出一種新的結構特征感知損失，約束特征盡可能有效地融合結構信息。
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.技術流程圖
03.模型介紹
采用雙流的網(wǎng)絡結構，分為主干網(wǎng)絡和分支網(wǎng)絡，主干網(wǎng)絡用于學習車輛的類別信息，分支網(wǎng)絡用于學習車輛的結構信息。
04.模型對比結果
數(shù)據(jù)集和評估指標
對比實驗結果
05.注意力圖仿真實驗
06.結論
本文提出了一種transformer 框架下判別性信息增強的車輛識別方法，可以在多攝像頭不同視角的領域空間中提取魯棒性的識別特征。該方法先使用結構信息引導模塊提升特征對于車輛輪廓信息的感知能力，同時引入一個新的結構特征感知損失，約束支路網(wǎng)絡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)絡能提取支線網(wǎng)絡得到的輪廓信息。
本文設計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)絡中，進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)集進行了充分的實驗，并與最新的車輛識別方法進行了詳盡的對比，結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，需要未來的進一步深入。在實際場景中，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)過的車輛以及路標和車站等建筑物。當車輛被遮擋時，提取到的特征通常帶有遮擋物的信息，缺乏判別性。因此，設計出有效的模型應對車輛被遮擋的情況，使用注意力機制或局部特征補充策略等方法只關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)控設備的進一步升級，大部分現(xiàn)有的監(jiān)控攝像頭具有夜視功能，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
-
“汽車爬坡試驗方法”將有國家標準
2026-03-03 12:44
-
十年耐久監(jiān)管時代：電池系統(tǒng)開發(fā)策略將如何
2026-03-03 12:44
-
聯(lián)合國法規(guī)R59對機動車備用消聲系統(tǒng)的工程
2026-03-03 12:08
-
聯(lián)合國法規(guī)R58對后下部防護裝置的工程化約
2026-03-03 12:07
-
聯(lián)合國法規(guī)R57對摩托車前照燈配光性能的工
2026-03-03 12:07
