基于局部特征和焦点融合的车辆重识别算法

摘要：

由于城市监控中存在大量相似的车辆,造成了车辆重识别匹配率低.车头、车窗、车顶等局部特征是相似车辆细微差异性的所在.根据车辆检测算法卷积特征热力图注意力分布特性,提出了针对车辆局部特征区域检测的MCRF-SSD算法,并与GMM-EM聚类算法相结合,检测性能在公开的数据集上均优于目前主流算法.同时为了增大类间距离、缩小类内距离将Arcface损失函数引入到了特征提取阶段.为了提高车辆重识别匹配性能,在全局特征与局部特征融合阶段提出了一种保留特征图空间分布的焦点融合(FFS)方法,并引入了一个可学习参数,提高了特征融合效率.实验结果表明,所提出的算法在公开的VehiceID和VeRi数据集中性能表现优于目前性能最优的方案.

关键词：车辆重识别;局部特征;聚类;特征提取;全局特征;特征融合;焦点融合;可学习参数

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：广东省重点领域研发计划项目2019B010140002

在线出版日期：2021-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：167-174