基于特征融合和度量学习的车辆重识别

在不同的道路交通视频监控拍摄条件下,识别出同一车辆是车辆重识别需要解决的主要问题。针对车辆重识别时不同拍摄视角、光照等拍摄条件同一车辆的视频监控图像存在差异的问题,提出一种结合特征融合和度量学习的车辆重识别方法。利用Local Maximal Occurrence(LOMO)方法对车辆样本进行特征表示,该特征提取方法可以有效的降低外界拍摄条件对识别率的影响,对提取的特征数据进行LDA降维可减少计算复杂度提高分类精度,并通过马氏距离(Mahalanobis distance)对车辆样本进行精确的重识别。实验结果表明,该方法在车辆重识别方面具有较高的识别率,且对光照变化、视角变化都具有较好的鲁棒性。