基于部件融合特征的车辆重识别算法

被引：16

作者：

李熙莹 ^{[1
,2
,3
,4
]}

周智豪 ^{[1
,2
,3
,4
]}

邱铭凯 ^{[1
,2
,3
,4
]}

机构：

[1] 中山大学智能工程学院

[2] 广东省智能交通系统重点实验室

[3] 视频图像智能分析与应用技术公安部重点实验室

[4] 视频图像信息智能分析与共享应用技术国家工程实验室

来源：

计算机工程 | 2019年 / 45卷 / 06期

关键词：

车辆重识别; 部件检测; 特征提取; 特征融合; 距离度量;

D O I：

10.19678/j.issn.1000-3428.0052284

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对车辆型号相同但车辆个体不同的重识别问题,提出一种新的车辆重识别算法。运用部件检测算法获取不同车辆之间差异较大的车窗和车脸区域,对检测到的车窗和车脸区域进行特征提取并进行融合,生成新的融合特征,计算图像特征之间距离度量进行分类识别。在中山大学公开数据集VRID-1上进行测试,结果表明,该算法的Rank1匹配率达到66.67%,明显优于经典的传统特征表征算法,从而验证该算法是可行且有效的。

引用

页码：12 / 20

页数：9

共 5 条

[1] 基于特征融合和L-M算法的车辆重识别方法 [J].

王盼盼 ;

李玉惠 .

电子科技, 2018, (04) :12-15

[2] 基于特征融合的行人重识别方法 [J].

张耿宁 ;

王家宝 ;

张亚非 ;

徐玉龙 ;

苗壮 .

计算机工程与应用, 2017, (12) :185-189+240

[3] A vehicle re-identification algorithm based on multi-sensor correlation [J].

Tian, Yin ;

Dong, Hong-hui ;

Jia, Li-min ;

Li, Si-yu .

JOURNAL OF ZHEJIANG UNIVERSITY-SCIENCE C-COMPUTERS & ELECTRONICS, 2014, 15 (05) :372-382

[4]

基于卷积神经网络的行人重识别算法.[D].刘娜.华东师范大学.2017, 01

[5]

Application of automatic vehicle identification technology for real-time journey time estimation.[J].Mei Lam Tam;William H.K. Lam.Information Fusion.2010, 1

← 1 →