基于多任务学习的车辆重识别系统研究与实现

发布时间：2021-03-21 14:17

　　车辆重识别（Vehicle Re-identificaiton）是智能视频分析领域兴起的一项新技术,旨在复杂视频环境下对非重叠摄像头中的车辆身份进行精确匹配,判断在不同摄像头不同时刻所拍摄到的车辆图像与给定的目标车辆是否为同一目标,从而有效节省车辆精确检索所需的人力和时间,提高案件侦察效率。由于实际场景中城市路网监控视频中存在拍摄方位各异、分辨率低、遮挡、环境不可控等因素使得很难从视频中获得车辆的车牌信息,此时需要快速定位目标车辆就需要进行车辆的图像特征匹配。围绕该问题,本文将特征学习和度量学习相结合,设计了一个基于多任务学习的车辆特征表示模型,并结合实际路网环境构建了高准确率的车辆重识别系统。本文具体内容如下:1.研究基于多任务的协同度量学习策略。通过分析卷积神经网络中分类任务和度量任务之间的关联,提出结合分类任务中高鲁棒的图像特征表示和度量学习中通过特征变换得到特征子空间的聚类属性,利用分类任务对特征表示的约束辅助度量任务进行模型学习,解决了度量学习模型难以训练和训练效果差的问题。实验分析结果表明多任务学习策略比单一的度量学习能够更准确地对车辆图像进行特征表示,提高车辆重识别的准确... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

车辆重识别任务示意图

同一目标的差异性和不同目标的相似性（a）不同拍摄角度；（b）不同光

卷积神经网络分类模型示意图

【参考文献】：
期刊论文
[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)
[2]基于RFID的高速公路收费系统车辆识别的研究[J]. 孙洁,黄晓婷,孟庆娇.  自动化技术与应用. 2016(05)
[3]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛.  计算机学报. 2015(06)
[4]基于射频识别技术的智能交通系统[J]. 李刚,曾锐利,林凌.  信息与控制. 2006(05)



本文编号：3093012