基于多尺度联合学习的车辆重识别方法研究

发布时间：2021-11-10 17:30

　　随着城市化的的发展,车辆作为重要的代步工具也变得越来越重要,但是也给交通管理带来了挑战。在公共安全中对特定车辆进行搜索的需求也成为了需要迫切解决的问题,所以车辆重识别任务也越来越受到人们的广泛关注。识别车辆最简单的方法是车牌重识别,但是由于拍摄的场景,角度,光照影响和套牌车的出现都会有无法识别的情况出现。所以对于这个问题,我们不利用车辆信息来解决车辆重识别问题,仅仅依靠摄像头拍下的信息来进行识别。与其他的目标重识别相似,车辆的不同车型、变化的光照和复杂的环境都严重影响了车辆重识别的有效性。所以,我们提出适用于车辆的基于深度学习的车辆重识别方案。本文工作及贡献主要包括以下一些内容。1)我们首先介绍了车辆的研究背景及其意义,并且对以往车辆重识别方案进行了相应的调研与分析,总结他们的优缺点以及还有哪些方面需要我们解决,同时也介绍了我们提出的网络模型。2)针对车辆的识别问题,我们采用三重损失去训练卷积神经网络,该网络自动提取特征,训练时采用三元组（锚点,正样本,负样本）去捕获它们之间的相对相似性来学习代表性特征。但是,由于传统的三重损失训练时的弱约束性,导致没有达到很好的预期效果。我们提出改进... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

图１．１车辆重识别的广泛应用??Ｆｉｇｕｒｅ?１．１?Ｗｉｄｅｓｐｒｅａｄ?Ａｐｐｌｉｃａｔｉｏｎ?ｏｆ?Ｖｅｈｉｃｌｅ?Ｒｅｃｏｇｎｉｔｉｏｎ??

ｒ车囉綱］靈．??图１．１车辆重识别的广泛应用??Ｆｉｇｕｒｅ?１．１?Ｗｉｄｅｓｐｒｅａｄ?Ａｐｐｌｉｃａｔｉｏｎ?ｏｆ?Ｖｅｈｉｃｌｅ?Ｒｅｃｏｇｎｉｔｉｏｎ??ｌｌｌｆ＇?１?，?Ｓ，???—？；？?．?１?？?ｌｙｕｎｊ??⑶麵光照影响?遮挡．??ｓｓ，一?＾??ＳＳ?＿??图１．２车辆重识别所面临的挑战??Ｆｉｇｕｒｅ?１．?２?Ｃｈａｌｌｅｎｇｅｓ?ｉｎ

图２．１卷积神经网络??


本文编号：3487647