基于特征融合和度量学习的车辆重识别

• 作者: 李玉惠 李福卫 王盼盼
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 特征融合 车辆重识别 LOMO算法 马氏距离 度量学习
• 年，卷（期）: 2018,（9）
• 页码范围: 29-31,79
• 页数: 4页
• 分类号: TN919.81
• 字数: 2881字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2018.09.008

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玉惠	昆明理工大学信息工程与自动化学院	60	219	8.0	12.0
2	王盼盼	昆明理工大学信息工程与自动化学院	15	145	6.0	12.0